适用于 BigQuery ML 模型的 Explainable AI

Explainable AI 是一种技术，可用于了解 AI 模型的预测和决策。BigQuery ML 和 Vertex AI 都有现有的 Explainable AI 产品，可提供基于特征的说明。

使用此页面了解您是否可以在向 Model Registry 注册的 BigQuery ML 模型上使用 Explainable AI。

BigQuery ML 本身在两个单独的框架上支持 Explainable AI，因此支持不同的模型类型。本页面介绍 Model Registry 集成支持哪些模型类型。如需了解基于 BigQuery ML 的 Explainable AI，请参阅在 BigQuery ML 中对模型执行 XAI。

Vertex AI 中 Explainable AI 支持的模型类型

Vertex AI 中有 Explainable AI 用于一部分可导出的监督式学习模型。如果您手动修改以下列表以外的模型类型的元数据，则它们可能支持 Explainable AI。如需了解详情，请参阅 Vertex Explainable AI 简介。

模型类型 Explainable AI 方法
dnn_classifier 积分梯度
dnn_regressor 积分梯度
dnn_linear_combined_classifier 积分梯度
dnn_linear_combined_regressor 积分梯度
boosted_tree_regressor 采样 Shapley
boosted_tree_classifier 采样 Shapley
random_forest_regressor 采样 Shapley
random_forest_classifier 采样 Shapley

如需详细了解这些方法，请参阅特征归因方法。

在 Model Registry 中启用 Explainable AI

当 BigQuery ML 模型在 Model Registry 中注册并且是 Explainable AI 支持的模型类型时，您可以在部署到端点时在模型上启用 Explainable AI。当您注册 BigQuery ML 模型时，系统会为您填充所有关联的元数据。

  1. 将 BigQuery ML 模型注册到 Model Registry。
  2. 从 Google Cloud 控制台中的 BigQuery 部分转到模型注册表页面。
  3. 在 Model Registry 中，选择 BigQuery ML 模型，然后点击模型版本以重定向到模型详情页面。
  4. 在模型版本上选择更多操作。
  5. 点击部署到端点。
  6. 定义端点 - 创建端点名称，然后点击“继续”。
  7. 选择机器类型，例如 n1-standard-2。
  8. 在模型设置下的日志记录部分中，选中复选框以启用可解释性选项。
  9. 点击完成，然后点击继续以部署到端点。

通过控制台启用 XAI

如需了解如何从 Model Registry 在您的模型中使用 XAI，请参阅使用已部署的模型获取在线说明。如需详细了解 Vertex AI 中的 XAI，请参阅获取说明。

了解详情