Delen via


Verantwoordelijke AI-scorecard (preview) gebruiken in Azure Machine Learning

VAN TOEPASSING OP:Azure CLI ml extension v2 (current)Python SDK azure-ai-ml v2 (current)

Een Azure Machine Learning Responsible AI-scorecard is een PDF-rapport dat wordt gegenereerd op basis van verantwoordelijke AI-dashboardinzichten en aanpassingen voor uw machine learning-modellen. U kunt uw PDF-scorecard eenvoudig configureren, downloaden en delen met uw technische en niet-technische belanghebbenden om ze te informeren over uw gegevens en modelstatus en naleving, en om vertrouwen op te bouwen. U kunt de scorecard ook gebruiken in controlebeoordelingen om de belanghebbenden te informeren over de kenmerken van uw model.

Belangrijk

Deze functie is momenteel beschikbaar als openbare preview-versie. Deze preview-versie wordt geleverd zonder een service level agreement en we raden deze niet aan voor productieworkloads. Misschien worden bepaalde functies niet ondersteund of zijn de mogelijkheden ervan beperkt.

Zie Aanvullende gebruiksvoorwaarden voor Microsoft Azure-previews voor meer informatie.

Waar vind je je verantwoordelijke AI-scorecard?

Verantwoordelijke AI-scorecards zijn gekoppeld aan uw verantwoordelijke AI-dashboards. Als u uw verantwoordelijke AI-scorecard wilt bekijken, gaat u naar het modelregister door het model te selecteren in Azure Machine Learning-studio. Selecteer vervolgens het geregistreerde model waarvoor u een verantwoordelijk AI-dashboard en scorecard hebt gegenereerd. Nadat u uw model hebt geselecteerd, selecteert u het tabblad Verantwoorde AI om een lijst met gegenereerde dashboards weer te geven. Selecteer voor welk dashboard u een verantwoordelijke AI-scorecard-PDF wilt exporteren door Verantwoordelijke AI-inzichten te selecteren en vervolgens **Alle PDF-scorecards weergeven.

Schermopname van het deelvenster 'Responsible AI (preview)' in Azure Machine Learning-studio, met het tabblad 'Responsible AI scorecard (preview)' gemarkeerd.

  1. Selecteer Verantwoordelijke AI-scorecard (preview) om een lijst weer te geven met alle verantwoordelijke AI-scorecards die voor dit dashboard worden gegenereerd.

    Schermopname van de vervolgkeuzelijst Verantwoordelijke AI-scorecard.

  2. Selecteer in de lijst de scorecard die u wilt downloaden en selecteer vervolgens Downloaden om het PDF-bestand naar uw computer te downloaden.

    Schermopname van het deelvenster Verantwoordelijke AI-scorecards voor het selecteren van een scorecard die u wilt downloaden.

Uw verantwoordelijke AI-scorecard lezen

De verantwoordelijke AI-scorecard is een PDF-overzicht van belangrijke inzichten uit uw verantwoordelijke AI-dashboard. Het eerste overzichtssegment van de scorecard geeft u een overzicht van het machine learning-model en de belangrijkste doelwaarden die u hebt ingesteld om uw belanghebbenden te helpen bepalen of het model gereed is voor implementatie:

Schermopname van de modelsamenvatting op de PDF van de verantwoordelijke AI-scorecard.

In het segment voor gegevensanalyse ziet u kenmerken van uw gegevens, omdat elk modelverhaal onvolledig is zonder dat u de gegevens goed begrijpt:

Schermopname van de gegevensanalyse op de PDF van de verantwoordelijke AI-scorecard.

In het modelprestatiesegment worden de belangrijkste metrische gegevens en kenmerken van uw voorspellingen weergegeven en hoe goed ze voldoen aan de gewenste doelwaarden:

Schermopname van de modelprestaties op de PDF van de verantwoordelijke AI-scorecard.

Vervolgens kunt u ook de best presterende en slechtste presterende gegevens cohorten en subgroepen bekijken die automatisch voor u worden geëxtraheerd om de blinde vlekken van uw model te zien:

Schermopname van gegevenscohorten en subgroepen in de PDF van de verantwoordelijke AI-scorecard.

U kunt de belangrijkste factoren zien die van invloed zijn op uw modelvoorspellingen. Dit is een vereiste om vertrouwen te bouwen met de prestaties van uw model:

Schermopname van de belangrijkste factoren in de PDF van de verantwoordelijke AI-scorecard.

U kunt uw inzichten voor de redelijkheid van uw model verder samenvatten en controleren hoe goed uw model voldoet aan de fairness-doelwaarden die u hebt ingesteld voor uw gewenste gevoelige groepen:

Schermopname van de redelijkheidsinzichten op de PDF van de verantwoordelijke AI-scorecard.

Ten slotte kunt u de causale inzichten van uw gegevensset samenvatten, waarmee u kunt bepalen of uw geïdentificeerde factoren of behandelingen causaal effect hebben op het werkelijke resultaat:

Schermopname van de causale inzichten van de gegevensset in de PDF van de verantwoordelijke AI-scorecard.

Volgende stappen