Para gestionar los datos de la carga útil, debe enviar solicitudes de puntuación para permitir el registro de las transacciones de su modelo en el datamart.
Los datos de carga útil contienen todas las transacciones de modelo. Debe proporcionar datos de carga útil para poder configurar evaluaciones de equidad y desviación y explicabilidad.
Para registrar datos de carga útil, debe recibir solicitudes de puntuación.
Registro de datos de carga útil
Cuando envía una solicitud de puntuación, las transacciones de modelo se procesan para habilitar las evaluaciones de modelo. Las transacciones se puntúan y almacenan como registros en una tabla de registro de carga útil dentro de la despensa de datos.
Los datos almacenados en la tabla deben contener la misma característica y columnas de predicción de los datos de entrenamiento. La tabla también puede incluir una columna de probabilidad de predicción y columnas de indicación de fecha y hora e ID para almacenar los datos como registros de puntuación.
Puede ver su tabla de registro de carga útil accediendo a la base de datos que especificó para el mercado de datos o utilizando el SDK dePython, como se muestra en el siguiente ejemplo:
Envío de datos de carga útil
Si utiliza IBM watsonx.ai Runtime como proveedor de aprendizaje automático, los datos de la carga útil se registran automáticamente cuando se puntúa el modelo. Si utiliza un proveedor de aprendizaje automático externo, debe registrar manualmente los datos de carga útil con un archivo JSON o un punto final de registro de carga útil para configurar las evaluaciones y la explicabilidad. Para obtener más información, consulte Registro de carga útil.
Después de configurar las evaluaciones, también puede utilizar un punto final de registro de carga útil para enviar solicitudes de puntuación para ejecutar evaluaciones bajo demanda. Para obtener más información, consulte Envío de transacciones de modelo. Para modelos de producción, también puede cargar datos de carga útil con un archivo CSV para enviar solicitudes de puntuación.
Más información
Tema principal: Gestión de datos para la evaluación de modelos