关于 AWS 的可解释性 - AWS 规范性指导

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

关于 AWS 的可解释性

您可以使用 Amazon SageMaker 管理的 Jupyter 实例,以借助 Conda 和 pip 轻松安装 Python 模块。有关用于 SHAP 的 Python 包和基于积分梯度的方法的信息,请参阅资源部分。对于较小工作和本地测试 SageMaker Jupyter 实例,使用来自这些 Python 包的方法可能足矣。如果您正在使用 SageMaker 管理的模型,SageMaker Clarify 提供在专用实例上启动 Kernel SHAP及模型开发人员继续对其 Jupyter 实例作业之同时卸载计算的便捷方法。有关更多信息,请参阅 SageMaker 文档中的创建特征属性基线和可解释性报告