Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Interpretierbarkeit auf AWS
Sie können Jupyter-Instances verwenden, die von Amazon SageMaker AI verwaltet werden, um Python-Module einfach über Conda und zu installieren. pip Informationen zu Python-Paketen für SHAP und integrierten Gradientenmethoden finden Sie im Abschnitt Ressourcen. Für kleinere Jobs und lokale Tests auf einer SageMaker KI-Jupyter-Instanz könnte es ausreichend sein, die Methoden aus diesen Python-Paketen zu verwenden. Wenn Sie ein SageMaker KI-verwaltetes Modell verwenden, bietet AI SageMaker Clarify praktische Methoden, um Kernel SHAP auf einer dedizierten Instanz zu starten und die Berechnung auszulagern, während ein Modellentwickler weiter an seiner Jupyter-Instanz arbeitet. Weitere Informationen finden Sie in der KI-Dokumentation unter Erstellen von Basislinien und Erklärbarkeitsberichten für Feature-Attribute. SageMaker
