Gunakan SageMaker Clarify menjelaskan dengan Autopilot SageMaker

Autopilot menggunakan alat yang disediakan oleh Amazon SageMaker Clarify untuk membantu memberikan wawasan tentang bagaimana model pembelajaran mesin (ML) membuat prediksi. Alat-alat ini dapat membantu insinyur, manajer produk, dan pemangku kepentingan internal lainnya memahami karakteristik model. Untuk mempercayai dan menafsirkan keputusan yang dibuat berdasarkan prediksi model, baik konsumen maupun regulator mengandalkan transparansi dalam pembelajaran mesin secara berurutan.

Fungsionalitas penjelasan Autopilot menggunakan pendekatan atribusi fitur model-agnostik. Pendekatan ini menentukan kontribusi fitur atau input individu terhadap output model, memberikan wawasan tentang relevansi fitur yang berbeda. Anda dapat menggunakannya untuk memahami mengapa model membuat prediksi setelah pelatihan, atau menggunakannya untuk memberikan penjelasan per contoh selama inferensi. Implementasinya mencakup implementasi SHAP (Shapley Additive Explanations) yang dapat diskalakan. Implementasi ini didasarkan pada konsep nilai Shapley dari teori permainan kooperatif, yang memberikan setiap fitur nilai penting untuk prediksi tertentu.

Anda dapat menggunakan penjelasan SHAP untuk hal-hal berikut: mengaudit dan memenuhi persyaratan peraturan, membangun kepercayaan pada model, mendukung pengambilan keputusan manusia, atau men-debug dan meningkatkan kinerja model.

Untuk informasi tambahan tentang nilai dan garis dasar Shapely, lihat Garis Dasar SHAP untuk Keterjelasan.

Untuk panduan dokumentasi Amazon SageMaker Clarify, lihat Panduan untuk SageMaker Klarifikasi Dokumentasi.