Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Set di dati sintetici SageMaker Clarify utilizza l'algoritmo Kernel SHAP. Dato un record (chiamato anche campione o istanza) e la configurazione SHAP, l'esplicatore genera innanzitutto un set di dati sintetico. SageMaker Clarify quindi interroga il contenitore del modello per le previsioni del set di dati, quindi calcola e restituisce le attribuzioni delle funzionalità. La dimensione del set di dati sintetico influisce sul tempo di esecuzione dello strumento esplicativo Clarify. I set di dati sintetici più grandi richiedono più tempo per ottenere previsioni dei modelli rispetto a quelli più piccoli. La dimensione del set di dati sintetici è determinata dalla formula seguente: ``` Synthetic dataset size = SHAP baseline size * n_samples ``` La dimensione della linea di base SHAP è il numero di record nei dati di base SHAP. Queste informazioni sono tratte da `ShapBaselineConfig`. La dimensione di `n_samples` è impostata dal parametro `NumberOfSamples` nella configurazione dello strumento esplicativo e dal numero di caratteristiche. Se il numero di caratteristiche è `n_features`, allora `n_samples` è il seguente: ``` n_samples = MIN(NumberOfSamples, 2^n_features - 2) ``` Quanto segue mostra `n_samples` se `NumberOfSamples` non è fornito. ``` n_samples = MIN(2*n_features + 2^11, 2^n_features - 2) ``` Ad esempio, un record tabulare con 10 caratteristiche ha una dimensione di base SHAP pari a 1. Se `NumberOfSamples` non viene fornito, il set di dati sintetico contiene 1.022 record. Se il record ha 20 caratteristiche, il set di dati sintetico contiene 2.088 record. Per i problemi di PNL, `n_features` è uguale al numero di caratteristiche non testuali più il numero di unità di testo. **Nota** L'API `InvokeEndpoint` ha un limite di timeout per le richieste. Se il set di dati sintetici è troppo grande, lo strumento esplicativo potrebbe non essere in grado di completare il calcolo entro questo limite. Se necessario, utilizza le informazioni precedenti per comprendere e ridurre la dimensione di base SHAP e `NumberOfSamples`. Se il container del modello è configurato per gestire le richieste batch, puoi anche modificare il valore di `MaxRecordCount`.