Spiegabilità del predittore

Nota

Predictor Explainability è disponibile solo per i predittori creati con AutoPredictor. È possibile aggiornare i predittori legacy esistenti a AutoPredictor. Consulta .Aggiornamento ad AutoPredictor.

Predictor Explainability ti aiuta a capire meglio in che modo gli attributi nei set di dati influiscono sulla variabile di destinazione. Forecast utilizza una metrica denominata Punteggi di impatto per quantificare l'impatto relativo di ciascun attributo e determinare se aumentano o diminuiscono i valori di previsione.

Ad esempio, si consideri uno scenario di previsione in cui il target èsalese ci sono due attributi correlati:priceecolor. Le Forecast potrebbero scoprire che il prezzo di un articolo influisce in modo significativo sulle vendite (punteggio di impatto elevato), mentre il colore dell'articolo ha un effetto trascurabile (basso punteggio di impatto).

Per abilitare Predictor Explainability, il predittore deve includere almeno uno dei seguenti: serie temporali correlate, metadati degli elementi o set di dati aggiuntivi come le festività e l'indice meteo.

Per creare punteggi di impatto per serie temporali e punti temporali specifici, utilizza la Spiegazione di Forecast invece di Spiegazione predittiva. Consulta .Spiegabilità delle Forecast.

Interpretazione dei punteggi

I punteggi di impatto misurano gli attributi di impatto relativi sui valori di previsione. Ad esempio, se l'attributo «prezzo» ha un punteggio di impatto doppio rispetto all'attributo «posizione negozio», è possibile concludere che il prezzo di un articolo ha un impatto doppio sui valori di previsione rispetto alla posizione del negozio.

I punteggi di impatto forniscono inoltre informazioni sul fatto che gli attributi aumentino o diminuiscano i valori Nella console questa proprietà viene indicata dai due grafici. Gli attributi con barre blu aumentano i valori di previsione, mentre gli attributi con barre rosse riducono i valori di previsione.

Nella console, i punteggi Impact variano da 0 a 1, dove un punteggio pari a 0 non indica alcun impatto e un punteggio vicino a 1 indica un impatto significativo. Negli SDK, i punteggi di impatto variano da -1 a 1, dove il segno indica la direzione dell'impatto.

È importante notare che i punteggi di impatto misurano l'impatto relativo degli attributi, non l'impatto assoluto. Pertanto, i punteggi di impatto non possono essere utilizzati per determinare se particolari attributi migliorano la precisione del modello. Se un attributo ha un punteggio di impatto basso, ciò non significa necessariamente che abbia un impatto basso sui valori di previsione; significa che ha un impatto minore sui valori di previsione rispetto ad altri attributi utilizzati dal predittore.

Creazione di spiegabilità del predittore

Nota

È possibile creare un massimo di una spiegazione predittrice per predittore

Quando abiliti Predictor Explainability, Amazon Forecast calcola i punteggi di impatto per tutti gli attributi nei tuoi set di dati. I punteggi di impatto possono essere interpretati come gli attributi di impatto hanno sui valori di previsione complessivi. Puoi abilitare Predictor Explainability quando crei un predittore oppure puoi abilitare la funzione dopo aver creato il predittore.

Abilitazione della spiegazione di Predictor per un nuovo predittore

L'abilitazione di Predictor Explainability durante la creazione di un nuovo predittore creerà sia una risorsa Predictor che una risorsa Explainability. Puoi abilitare Predictor Explainability per un nuovo predittore utilizzando il Software Development Kit (SDK) o la console Amazon Forecast.

Console

Per abilitare la spiegazione del predittore

1. Accedi allaAWS Management Consolee aprire la console di Amazon Forecast all'indirizzohttps://console.aws.amazon.com/forecast/.

2. DaGruppi di set di dati, scegliere il gruppo di set di dati

3. Nel riquadro di navigazione, sceglierePredittori.

4. ScegliereAddestra il nuovo predittore.

5. NellaConfigurazione predittoresezione, scegliAbilita la spiegabilità.

6. Fornire i valori per i seguenti campi obbligatori:

   • Nome- un nome predittore univoco.

   • Frequenza di Forecast- la granularità delle tue previsioni.

   • Orizzonte di previsione- Il numero di passi temporali da prevedere.

7. Scegli Start (Avvia)

Python

Per abilitare la spiegabilità per un nuovo predittore con l'SDK for Python (Boto3), utilizzare ilcreate_auto_predictormetodo e set ExplainPredictor al true.

Il seguente codice crea un predittore auto che fa previsioni per 24 (ForecastHorizon) giorni (ForecastFrequency) in future, e haExplainPredictorimpostato su true. Per informazioni sui parametri obbligatori e facoltativi, vedereCreateAutoPredictor.

import boto3
                            
forecast = boto3.client('forecast')

create_predictor_response = forecast.create_auto_predictor(
    PredictorName = 'predictor_name',
    ForecastHorizon = 24,
    ForecastFrequency = 'D',
    DataConfig = {
        "DatasetGroupArn": "arn:aws:forecast:region:account:dataset-group/datasetGroupName"
    },
    ExplainPredictor = True
)

Abilitazione della spiegazione di Predictor per un predittore esistente

L'abilitazione di Predictor Explainability per un predittore esistente creerà una risorsa di spiegabilità per quella risorsa. È possibile creare solo una risorsa di spiegabilità per i predittori che non contengono già una risorsa di spiegabilità. Per visualizzare i punteggi di impatto per un set di dati aggiornato, riaddestrare o ricreare il predittore con i dati aggiornati.

Puoi abilitare Predictor Explainability per un nuovo predittore utilizzando il Software Development Kit (SDK) o la console Amazon Forecast.

Console

Per abilitare la spiegazione del predittore

1. Accedi allaAWS Management Consolee aprire la console di Amazon Forecast all'indirizzohttps://console.aws.amazon.com/forecast/.

2. DaGruppi di set di dati, scegliere il gruppo di set di dati

3. Nel riquadro di navigazione, sceglierePredittori.

4. Scegli il predittore.

5. NellaSpiegabilità del predittoresezione, scegliAbilita la spiegabilità.

6. Fornisci un nome univoco per la Spiegazione del predittore.

7. Scegli Start (Avvia)

Python

Per abilitare il predittore Explanability (Boto3) con l'SDK for Python (Boto3), utilizzare ilcreate_explainabilitymetodo. Specificare un nome per la spiegabilità, l'ARN per il predittore e perExplainabilityConfig, impostare entrambiTimePointGranularityeTimeSeriesGranularityaTUTTI. Per creare una visualizzazione di spiegabilità visualizzabile all'interno della console, impostareEnableVisualizationaTrue.

Per informazioni sui parametri obbligatori e facoltativi, vedereCreateExplainability.

import boto3
                            
forecast = boto3.client('forecast')

create_explainability_response = forecast.create_explainability(
    ExplainabilityName = 'explainability_name',
    ResourceArn = 'arn:aws:forecast:region:accountNumber:predictor/predictorName',
    ExplainabilityConfig = { 
      "TimePointGranularity": "ALL",
      "TimeSeriesGranularity": "ALL"
    },
    EnableVisualization = True
)

Esplorazione della spiegabilità del predittore

Nota

I file di esportazione possono restituire direttamente informazioni dall'importazione del set di dati. Ciò rende i file vulnerabili all'iniezione CSV se i dati importati contengono formule o comandi. Per questo motivo, i file esportati possono richiedere avvisi di sicurezza. Per evitare attività dannose, disabilitare collegamenti e macro durante la lettura dei file esportati.

Forecast consente di esportare un file CSV o Parquet di punteggi Impact in una posizione S3. I punteggi Impact variano da -1 a 1, dove il segno indica la direzione dell'impatto. Puoi esportare i punteggi Impact utilizzando Amazon Forecast Software Development Kit (SDK) e la console Amazon Forecast.

Console

Per esportare la spiegazione di Predictor

1. Accedi allaAWS Management Consolee aprire la console di Amazon Forecast all'indirizzohttps://console.aws.amazon.com/forecast/.

2. DaGruppi di set di dati, scegliere il gruppo di set di dati

3. Nel riquadro di navigazione, sceglierePredittori.

4. Scegli il predittore.

5. NellaSpiegabilità del predittoresezione, scegliEsportazione.

6. Per ilNome di esportazione, fornire un nome univoco per l'esportazione.

7. Per ilPosizione di esportazione spiegabilità S3campo, fornire una posizione S3 per esportare il file CSV.

8. Per ilRuolo IAMcampo, fornire un ruolo con accesso alla posizione S3 specificata.

9. ScegliereCreazione di esportazione.

Python

Per esportare una Spiegazione del predittore con l'SDK for Python (Boto3), utilizzare ilcreate_explainability_exportmetodo. Assegnare un nome al lavoro, specificare l'ARN della spiegabilità e, nelDestinationoggetto, specifica la posizione di destinazione Amazon S3 e il ruolo del servizio IAM.

Per informazioni sui parametri obbligatori e facoltativi, vedereCreateExplainabilityExport.

import boto3
                        
forecast = boto3.client('forecast')

export_response = forecast.create_explainability_export(
    Destination = {
        "S3Config": {
            "Path": "s3://bucketName/filename.csv",
            "RoleArn": "arn:aws:iam::accountNumber:role/roleName"
        }
    },
    ExplainabilityArn = 'arn:aws:forecast:region:accountNumber:explainability/explainabilityName',
    ExplainabilityExportName = 'job_name'
)

Restrizioni e best practice

Considerare le seguenti restrizioni e best practice quando si utilizzano il predittore Explainability.

• Predictor Explainability è disponibile solo per i predittori creati con AutoPredictor- Non è possibile abilitare Explainability per predittori legacy creati con AutoML o tramite selezione manuale. Consulta .Aggiornamento ad AutoPredictor.

• La spiegabilità richiede attributi- Il predittore deve includere almeno una delle seguenti: serie temporali correlate, metadati degli articoli, festività o Indice meteo.

• I predittori sono limitati a una risorsa di spiegabilità- Non è possibile creare più risorse di spiegabilità per un predittore. Se sei interessato ai punteggi di impatto per un set di dati aggiornato, riallena il tuo predittore.

• Punteggi di impatto pari a zero non indicano alcun impatto- Se un attributo ha un punteggio di impatto pari a 0, tale attributo non ha alcun impatto significativo sui valori di previsione.

• Ritentativo di processi di spiegazione di Predictor non riusciti- Se Forecast crea correttamente un Predictor ma il processo Predictor Explainability non riesce, è possibile riprovare a creare Predictor Explainability nella console o con il CreateExplainability operazione.

• Non è possibile creare punteggi di impatto per punti temporali e serie temporali specifici- Per visualizzare i punteggi di impatto per punti temporali e serie temporali specifici, vedereSpiegabilità delle Forecast.

• Le visualizzazioni di Predictor Explainability sono disponibili per 90 giorni dopo la creazione- Per visualizzare la visualizzazione dopo 90 giorni, riallenare il predittore.