Configuration des évaluations de modèles avec les paramètres avancés
Utilisez l'option de configuration avancée pour exécuter un notebook « Python » qui utilise des données d'exemple pour montrer comment configurer les évaluations de modèles.
Utilisez un notebook pour créer, entraîner et déployer un modèle afin de surveiller son déploiement. Le cahier de notes fournit également des données historiques qui permettent d'obtenir des informations que vous pouvez consulter. Ce cahier utilise le modèle allemand de risque de crédit, qui sert également à l'option de configuration automatique pour fournir des données d'exemple. Pour plus d'informations, consultez la présentation des données d'exemple.
Avant de commencer
Pour utiliser l'option de configuration avancée, vous devez sélectionner l'environnement d 'exécution par défaut Spark 3.3.x & Python 3.9 ou l'environnement d'exécution Runtime 22.2 sur Python 3.10 lorsque vous créez un Jupyter Notebook dans l'éditeur de notebook. Les environnements d'exécution nécessitent des identifiants de service pour les services suivants :
- Watson OpenScale
- IBM Watson Machine Learning
- Db2 Warehouse
Watson Studio, Watson Machine Learning, Watson OpenScale et d'autres services complémentaires ne sont pas disponibles par défaut. Un administrateur doit installer ces services sur la plateforme IBM Cloud Pak for Data. Pour vérifier si un service est installé, ouvrez le catalogue des services et vérifiez si ce service est activé.
Exécution de la configuration avancée
- Téléchargez le fichier ML Engine.ipynb « Watson OpenScale » et « Watson » sur GitHub. Vous pouvez vous connecter et cloner le dépôt watson-openscale-samples pour télécharger le fichier, ou cliquer sur « Copier le contenu brut » pour coller le contenu du fichier dans un nouveau fichier IPYNB.
- Ouvrez Watson Studio et sélectionnez l'un de vos projets.
- Dans l'onglet « Ressources », cliquez sur « Nouvelle ressource » > « Travailler avec des données et des modèles dans des carnets de notes Python s ou R ».
- Sélectionnez l'onglet « À partir d'un fichier » et indiquez un nom pour le bloc-notes.
- Sélectionnez l'environnement d ' exécution par défaut Spark 3.3.x & Python 3.9 ou l'environnement d'exécution Runtime 22.2 sur Python 3.10 dans le menu « Sélectionner l'environnement d'exécution ».
- Téléchargez le fichier IPYNB, puis cliquez sur « Créer ». Le cahier « Working with Watson Machine Learning » se charge et s'ouvre dans votre projet.
Vous pouvez désormais suivre les étapes décrites dans le cahier pour exécuter la configuration avancée et déployer le modèle de risque de crédit allemand sur votre instance de service afin de procéder à des évaluations du modèle.