Következtetés magyarázata
Fontos
2023. szeptember 20-tól nem hozhat létre új Personalizer-erőforrásokat. A Personalizer szolgáltatás 2026. október 1-jén megszűnik.
A Personalizer segítségével megtudhatja, hogy a kiválasztott műveletek mely funkciói a leginkább és legkevésbé befolyásolják a modellt a következtetés során. Ha engedélyezve van, a következtetés magyarázata magában foglalja a mögöttes modellből a Rank API-válaszba érkező funkciópontszámokat, így az alkalmazás a következtetés időpontjában megkapja ezeket az információkat.
A funkciópontszámokkal jobban megértheti a funkciók és a Personalizer által hozott döntések közötti kapcsolatot. Segítségével betekintést nyerhet a végfelhasználókba egy adott javaslat okába, vagy elemezheti, hogy a modell torzítást mutat-e bizonyos környezetfüggő beállítások, felhasználók és műveletek felé vagy ellen.
Hogyan lehetővé teszi a következtetés magyarázatát?
A szolgáltatáskonfiguráció jelzőjének IsInferenceExplainabilityEnabled beállítása a szolgáltatáskonfigurációban lehetővé teszi, hogy a Personalizer funkcióértékeket és súlyokat tartalmazzon a Rank API-válaszban. Az aktuális szolgáltatáskonfiguráció frissítéséhez használja a Service Configuration – Update API-t. A JSON-kérelem törzsében adja meg az aktuális szolgáltatáskonfigurációt, és adja hozzá a következő bejegyzést: "IsInferenceExplainabilityEnabled": true. Ha nem ismeri az aktuális szolgáltatáskonfigurációt, a Szolgáltatáskonfiguráció – API beszerzése szolgáltatáskonfigurációból szerezheti be
{
"rewardWaitTime": "PT10M",
"defaultReward": 0,
"rewardAggregation": "earliest",
"explorationPercentage": 0.2,
"modelExportFrequency": "PT5M",
"logMirrorEnabled": true,
"logMirrorSasUri": "https://testblob.blob.core.windows.net/container?se=2020-08-13T00%3A00Z&sp=rwl&spr=https&sv=2018-11-09&sr=c&sig=signature",
"logRetentionDays": 7,
"lastConfigurationEditDate": "0001-01-01T00:00:00Z",
"learningMode": "Online",
"isAutoOptimizationEnabled": true,
"autoOptimizationFrequency": "P7D",
"autoOptimizationStartDate": "2019-01-19T00:00:00Z",
"isInferenceExplainabilityEnabled": true
}
Feljegyzés
A következtetés magyarázatának engedélyezése jelentősen növeli a Rank API-ba irányuló hívások késését. Javasoljuk, hogy kísérletezzen ezzel a képességgel, és mérje meg a forgatókönyv késését, hogy kiderüljön, megfelel-e az alkalmazás késési követelményeinek.
A funkciópontszám értelmezése
A következtetés magyarázatának engedélyezése gyűjteményt ad hozzá a Rank API által az inferenceExplanation nevű JSON-válaszhoz. Ez tartalmazza a Rank-kérelemben elküldött szolgáltatásnevek és értékek listáját, valamint a Personalizer mögöttes modellje által tanult funkciópontszámokat. A funkciópontszámokkal betekintést nyerhet abba, hogy az egyes funkciók milyen befolyással bírtak a műveletet választó modellben.
{
"ranking": [
{
"id": "EntertainmentArticle",
"probability": 0.8
},
{
"id": "SportsArticle",
"probability": 0.15
},
{
"id": "NewsArticle",
"probability": 0.05
}
],
"eventId": "75269AD0-BFEE-4598-8196-C57383D38E10",
"rewardActionId": "EntertainmentArticle",
"inferenceExplanation": [
{
"id”: "EntertainmentArticle",
"features": [
{
"name": "user.profileType",
"score": 3.0
},
{
"name": "user.latLong",
"score": -4.3
},
{
"name": "user.profileType^user.latLong",
"score" : 12.1
},
]
]
}
A fenti példában három műveleti azonosító lesz visszaadva a rangsorolási gyűjteményben a megfelelő valószínűségi pontszámokkal együtt. A legnagyobb valószínűséggel végzett művelet the_ legjobb action_ a Personalizer API-knak küldött adatokon betanított modell által meghatározott legjobb action_, amely ebben az esetben a "id": "EntertainmentArticle". A műveletazonosító ismét látható az inferenceExplanation gyűjteményben, valamint az adott művelet modellje által meghatározott funkciónevekkel és pontszámokkal, valamint a Rank API-nak küldött funkciókkal és értékekkel.
Ne feledje, hogy a Personalizer vagy a legjobb műveletet adja vissza, vagy a feltárási szabályzat által választott feltáró műveletet . A legjobb művelet az, amelyet a modell megállapított, a legnagyobb valószínűséggel maximalizálja az átlagjutalmat, míg a feltáró műveleteket a Rank API-hívásban megadott összes lehetséges művelet közül választja ki. A feltárás során végrehajtott műveletek nem használják ki a funkció pontszámait annak meghatározásához, hogy melyik műveletet kell végrehajtani, ezért a felderítő műveletek funkciópontszámai nem használhatók a művelet végrehajtásának megértéséhez. A feltárásról itt tudhat meg többet.
A Personalizer által visszaadott legjobb műveletekhez a funkció pontszámai általános megállapításokat adhatnak, ahol:
- A nagyobb pozitív pontszámok nagyobb támogatást nyújtanak a műveletet választó modell számára.
- A nagyobb negatív pontszámok nagyobb támogatást nyújtanak ahhoz, hogy a modell ne válassza ezt a műveletet.
- A nullához közeli pontszámok kis hatással vannak a művelet kiválasztására vonatkozó döntésre.
A következtetés magyarázatának fontos szempontjai
Nagyobb késés. Az Inference Explainability engedélyezése jelentősen növeli a Rank API-hívások késését a funkcióadatok feldolgozása miatt. Futtasson kísérleteket, és mérje meg a forgatókönyv késését, és ellenőrizze, hogy az megfelel-e az alkalmazás késési követelményeinek.
Korrelált funkciók. Az egymással szorosan korrelált funkciók csökkenthetik a funkciópontszámok hasznosságát. Tegyük fel például, hogy az A funkció szorosan összefügg a B funkcióval. Előfordulhat, hogy az A jellemző pontszáma nagy pozitív érték, míg a B funkció pontszáma nagy negatív érték. Ebben az esetben előfordulhat, hogy a két funkció gyakorlatilag megszakítja egymást, és kevés hatással van a modellre. Bár a Personalizer nagyon robusztus a magas korrelációjú funkciókhoz, az Inference Explainability használatakor győződjön meg arról, hogy a Personalizernek küldött funkciók nincsenek szorosan korrelálva
Csak az alapértelmezett feltárás. Az Inference Explainability jelenleg csak az alapértelmezett feltárási algoritmust támogatja.