Configurazione delle valutazioni dei modelli con impostazioni avanzate
Utilizza l'opzione di configurazione avanzata per eseguire un notebook " Python " che utilizza dati di esempio per illustrare come configurare le valutazioni dei modelli.
Utilizza un notebook per creare, addestrare e distribuire un modello, in modo da monitorarne la distribuzione. Il notebook fornisce inoltre dati storici che generano approfondimenti che è possibile visualizzare. Il notebook utilizza il modello tedesco di rischio di credito, impiegato anche nell'opzione di configurazione automatica, per fornire dati di esempio. Per ulteriori informazioni, consultare la panoramica dei dati di esempio.
Prima di iniziare
Per utilizzare l'opzione di configurazione avanzata, è necessario selezionare l'ambiente di runtime predefinito Spark 3.3.x & Python 3.9 oppure l'ambiente di runtime Runtime 22.2 su Python 3.10 al momento della creazione di un'istanza Jupyter Notebook nell'editor del notebook. Gli ambienti di esecuzione richiedono credenziali di accesso per i seguenti servizi:
- Watson OpenScale
- IBM Watson Machine Learning
- Db2 Warehouse
Watson Studio, Watson Machine Learning, Watson OpenScale e altri servizi aggiuntivi non sono disponibili per impostazione predefinita. Un amministratore deve installare questi servizi sulla piattaforma IBM Cloud Pak for Data. Per verificare se un servizio è installato, apri il catalogo dei servizi e controlla se il servizio è abilitato.
Esecuzione della configurazione avanzata
- Scarica il file ML Engine.ipynb " Watson OpenScale " e " Watson " da GitHub. Puoi effettuare l'accesso e clonare il repository watson-openscale-samples per scaricare il file, oppure fare clic su "Copia contenuto grezzo" per incollare il contenuto del file in un nuovo file IPYNB.
- Apri Watson Studio e seleziona uno dei tuoi progetti.
- Nella scheda Risorse, fare clic su Nuova risorsa > Lavora con dati e modelli in notebook di Python o o R.
- Seleziona la scheda "Da file" e specifica un nome per il blocco note.
- Selezionare l'ambiente di runtime predefinito Spark 3.3.x & Python 3.9 oppure l'ambiente di runtime Runtime 22.2 su Python 3.10 dal menu "Seleziona ambiente di runtime".
- Carica il file IPYNB e clicca su Crea. Il notebook " Working with Watson Machine Learning " viene caricato e aperto nel tuo progetto.
Ora puoi seguire i passaggi indicati nel notebook per eseguire la configurazione avanzata e implementare il modello di rischio di credito tedesco nella tua istanza di servizio, in modo da poter effettuare le valutazioni del modello.