IBM piattaforme di apprendimento automatico

Limiti degli abbonamenti XGBoost per i modelli XGBoost nativi

Con l'ultima versione WML, il xgboost_0.82 framework è stato dichiarato obsoleto. Il framework supportato è xgboost_0.90, che deve essere utilizzato in combinazione con Python 3.7. Per abilitare e rendere permanenti le versioni di XGBoost 0.90, Python e 3.7, è necessario applicare le patch agli abbonamenti eseguendo il seguente comando:

PATCH /v2/subscriptions/<subscription_id>

Ad esempio, il comando seguente fornisce l' URL e completo e l'ID dell'abbonamento:

PATCH https://namespace.apps.server.company.com/openscale/00000000-0000-0000-0000-000000000000/v2/subscriptions/18bbe3f9-c550-44e7-b948-675bafcb1c63

Viene restituito il carico utile previsto:

[{
    "op": "replace",
    "path": "\/asset\/runtime_environment",
    "value": "xgboost_0.90"
}]

Una volta che l'abbonamento è stato aggiornato correttamente e il punteggio è stato calcolato, allo schema dei dati di output verrà assegnato il ruolo di modellazione corretto:

{
	"metadata": {
		"modeling_role": "class_probability"
	},
	"name": "prediction",
	"nullable": true,
	"type": "double"
}, {
	"metadata": {},
	"name": "probability",
	"nullable": true,
	"type": "double"
}, {
	"metadata": {
		"modeling_role": "prediction-probability"
	},
	"name": "prediction_probability",
	"nullable": true,
	"type": "double"
}, {
	"metadata": {
		"modeling_role": "prediction"
	},
	"name": "scoring_prediction",
	"nullable": true,
	"type": "integer"
}

Modelli AutoAI e dati di training

AutoAI prepara automaticamente i dati, applica algoritmi o stime e crea flussi di modelli che meglio si adattano ai tuoi dati e al tuo caso d'uso. Per analizzare il modello ai fini della valutazione è necessario poter accedere ai dati di addestramento.

Poiché, a differenza dei modelli standard, nella valutazione di un modello di tipo " AutoAI " non viene rilevata automaticamente la posizione dei dati di addestramento, è necessario specificare esplicitamente i dettagli necessari per accedere a tali dati:

• Per il percorso online, in cui si configurano manualmente i monitor, è necessario fornire i dettagli del database da cui è possibile accedere ai dati di addestramento.
• Per il percorso notebook personalizzato, dove si carica la distribuzione dei dati di training, è possibile utilizzare il file JSON prodotto eseguendo il notebook.

Per ulteriori informazioni, consultare la sezione "Dettagli del modello".

Specificare un'istanza del servizio IBM Watson Machine Learning

Il primo passo per configurare le valutazioni dei modelli consiste nello specificare un'istanza di ` IBM ` Watson Machine Learning. L'istanza di Machine Learning è il luogo in cui vengono archiviati i modelli di IA e le distribuzioni.

Prerequisiti

È necessario aver configurato un'istanza di IBM Watson Machine Learning nello stesso account o cluster in cui si trova l'istanza del servizio per le valutazioni dei modelli. Se hai creato un'istanza di IBM Watson Machine Learning in un altro account o cluster, non potrai configurare tale istanza con la registrazione automatica dei payload per le valutazioni dei modelli.

Collega la tua istanza del servizio Machine Learning

È possibile connettersi ai modelli di IA e alle distribuzioni presenti in un'istanza di IBM Watson Machine Learning per eseguire valutazioni dei modelli. Per collegare il tuo servizio, vai alla scheda Configura, aggiungi un provider di machine learning e fai clic sull'icona Modifica. Oltre ad un nome e una descrizione e se si tratta di un tipo di ambiente Pre-produzione o Produzione, è necessario fornire le seguenti informazioni specifiche per questo tipo di istanza di servizio:

• Se disponi di un'istanza di IBM Watson Machine Learning, l'istanza viene rilevata insieme alle informazioni di configurazione.

• Per connettersi a IBM Watson Machine Learning su un'istanza separata di IBM Cloud Pak for Data, è necessario specificare un URL, un nome utente e una chiave API.

• Per connettersi a IBM Watson Machine Learning su IBM Cloud, è necessario specificare una regione cloud e una chiave API.

IBM Cloud Pak for Data consente di utilizzare una sola chiave API. Quando si genera una nuova chiave API, quella precedente viene automaticamente revocata. Se aggiorni la chiave API su IBM Cloud Pak for Data, devi aggiornarla anche su Watson OpenScale.

Limitazioni

Quando ci si connette a IBM Watson Machine Learning su un'istanza separata di IBM Cloud Pak for Data, si applicano le seguenti limitazioni:

• La chiave API deve disporre di diritti di amministratore per lo spazio di distribuzione all'indirizzo IBM Watson Machine Learning.
• La registrazione automatica del carico utile non è disponibile. Invia i dati di registrazione del payload utilizzando l'API del set di dati " Watson OpenScale ".

Quando ci si connette a IBM Watson Machine Learning su IBM Cloud, si applicano le seguenti limitazioni:

• La chiave API deve disporre di diritti di amministratore per lo spazio di distribuzione all'indirizzo IBM Watson Machine Learning.
• La registrazione automatica del carico utile non è disponibile. Invia i dati di registrazione del payload utilizzando l'API del set di dati " Watson OpenScale ".
• Durante la valutazione, il carico sui modelli IBM Watson Machine Learning in IBM Cloud aumenta.