선택한 시간에 모니터링되는 기능의 데이터 포인트를 보여주는 공정성 평가에 대한 시각화 차트를 볼 수 있습니다.
인사이트 대시보드에서 배포된 모델을 선택하여 구성된 모니터에 대한 세부 정보를 확인합니다.
특정 공정성 통계에 대한 세부 정보를 보려면 공정성을 선택한 다음 공정성 차트에서 특정 시간을 선택할 수 있습니다. 세부사항을 검토할 다른 기능 또는 시간을 선택하려면 필터(예: 모니터된 속성, 날짜 및 시간)를 사용할 수 있습니다.
차트 해석
이 차트는 다음 정보를 시각적으로 표현한 것입니다:
편향성을 경험하는 인구(예: 18-23세 사이의 고객)를 관찰할 수 있습니다. 또한 차트는 이 인구에 대한 예상 결과의 백분율도 표시합니다.
차트는 모든 참조 인구의 예상 결과 평균인 참조 인구에 대한 예상 결과 백분율을 보여줍니다.
차트는 편향성 존재를 표시합니다. 참조 인구에 대한 예상 결과 백분율 범위로 인구에 대한 예상 결과 백분율 및 임계값 초과 여부입니다.
차트는 참조의 분포 및 편향성을 식별하기 위해 분석된 페이로드 테이블의 데이터에서 속성 값에 대한 각 구분값의 모니터된 값도 표시됩니다. 페이로드 데이터의 분포는 (참조 값이 표시되는 경우에도) 공정성 속성의 각 구분 값에 대해 표시됩니다. 이 정보를 사용하여 모델에서 검색된 데이터 양의 편향성을 상호 연관시킬 수 있습니다.
또한, 차트는 예상 결과가 포함된 인구 백분율도 표시합니다. 편향성의 소스는 그룹의 데이터이며 이는 결과를 왜곡시켜 참조 클래스에 대한 예상 결과 백분율을 증가시킵니다. 이 정보를 사용하여 모델을 다시 훈련할 때 불충분하게 샘플링될 수 있는 데이터 부분을 식별할 수 있습니다.
수동 레이블링으로 식별되는 데이터가 포함된 테이블 이름은 차트가 보여주는 다른 중요한 점입니다. 알고리즘이 모델에서 편향성을 발견할 때마다. 또한 사용자가 수동으로 레이블을 지정할 수 있도록 전송할 수 있는 데이터 점도 식별합니다. 이렇게 수동으로 레이블링된 데이터는 모델을 다시 훈련하기 위해 원래 훈련 데이터와 같이 사용 가능합니다. 이렇게 다시 교육된 모델은 편향성을 가지고 있지 않을 가능성이 높습니다. 수동으로 레이블링된 테이블은 Watson OpenScale 인스턴스와 연관된 데이터베이스에 존재합니다.
다음 단계
상위 주제: Watson OpenScale 인사이트 얻기