En este artículo, analizaremos la herramienta What-If de GCP y nos centraremos en el uso de la herramienta para comprender mejor sus modelos de aprendizaje automático. Aquí hablaremos sobre cómo ejecutarlo en varias plataformas y tipos de modelos.
La herramienta What-If es una interfaz visual diseñada para ayudarlo a comprender sus conjuntos de datos y el resultado de sus modelos de aprendizaje automático. Puede ejecutar con código mínimo desde muchas plataformas diferentes, incluidos Jupyter Notebooks, Kollab, TensorBoard y Cloud AI Platform Notebooks. Se utiliza principalmente por las siguientes razones:
- Disponible en muchas plataformas
- Admite análisis de hipótesis
- Visualiza el rendimiento del modelo
El análisis con la herramienta What-If puede ser útil durante la recopilación de datos de capacitación, la creación de modelos y la evaluación posterior a la capacitación. La herramienta What-If admite modelos de TensorFlow listos para usar y puede admitir modelos creados con cualquier otro marco con solo unas pocas líneas de código. También puede usar la herramienta What-If con sus modelos implementados en Cloud AI Platform.
Comencemos con un ejemplo en Kollab. Aquí hemos entrenado un modelo de TensorFlow en este conjunto de datos de vivienda de Iowa de Kaggle. Es un modelo de clasificación binaria que predice si una casa vale más o menos de $160,000.
Podemos crear una instancia de la herramienta What-If con unas pocas líneas de código pasándole un conjunto de puntos de datos de prueba junto con las etiquetas de verdad del terreno para esos ejemplos. La herramienta What-If tiene tres pestañas con diferentes funciones.
Y la vista inicial en la que nos encontramos es el editor de puntos de datos . Aquí podemos ver la predicción de nuestro modelo para cada punto de datos que hemos enviado a la herramienta What-If. Los puntos azules indican casas de nuestro modelo clasificadas por encima de $160,000. En el editor de puntos de datos, también podemos inspeccionar puntos de datos individuales, cambiar valores de características, crear visualizaciones personalizadas y mucho más.
La siguiente pestaña, Performance and Fairness , muestra un par de métricas de evaluación comunes para nuestro modelo. También nos permite dividir los datos por diferentes características y aplicar varias estrategias para optimizar la equidad.
La pestaña final, Funciones , nos muestra qué tan equilibrado está nuestro conjunto de datos. Para cada característica, podemos ver el rango de valores de los datos que hemos enviado a la herramienta What-If. Puede cargar la pestaña Características solo con un conjunto de datos incluso antes de haber entrenado un modelo.
También podemos usar la herramienta What-If para modelos implementados en Cloud AI Platform. Estos son algunos modelos que ya hemos implementado en AI Platform.
Abriremos una instancia de AI Platform Notebook aquí para analizar este modelo XGBoost.
Luego, creamos una instancia de Wit Config Builder, esta vez usando el método de modelo establecido de AI Platform, pasando mi ID de proyecto de Google Cloud, el nombre del modelo y la versión del modelo. Wit Config Builder contiene más métodos para personalizar la herramienta What-If Tool para su caso de uso.
Tenga en cuenta que los dos modelos están entrenados en el mismo conjunto de datos. Incluso podemos usar la herramienta What-If Tool para compararlos. Todo lo que tenemos que hacer es agregar una línea a nuestro Wit Config Builder para decirle qué modelo queremos comparar. Ahora puede comparar el rendimiento de ambos modelos usando varias capacidades en la herramienta What-If.
La herramienta What-If se puede utilizar tanto para modelos de clasificación como para modelos de regresión.
Publicación traducida automáticamente
Artículo escrito por ddeevviissaavviittaa y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA