Configurar um mecanismo

Nesta página, abordamos brevemente os conceitos relacionados à configuração de um mecanismo.

Origens compatíveis com hiperparâmetros

Ao configurar um mecanismo, é possível selecionar a origem dos hiperparâmetros usados para criar um modelo. As seguintes fontes são compatíveis:

  • Ajuste automático: a IA antilavagem de dinheiro ajusta os hiperparâmetros quando você criar um recurso EngineConfig (comportamento padrão)
  • Herdar: herdar hiperparâmetros de uma configuração de mecanismo anterior que foi criada com uma versão anterior do mecanismo na mesma versão de ajuste. Essa configuração evita que você precise fazer ajustes toda vez que adotar uma nova versão do mecanismo de modelo.

Quando ajustar ou herdar

As seções a seguir descrevem quando você deve selecionar o ajuste automático e quando precisa herdar hiperparâmetros de uma configuração de mecanismo anterior.

Quando ajustar

Você tem a opção de ajustar cada nova configuração do mecanismo e, em caso de dúvida, sempre é preciso ajustar para alcançar os melhores resultados de desempenho. Consulte a seção Confira como ajustar um mecanismo para mais informações.

Para um melhor desempenho, considere o ajuste do mecanismo quando qualquer um ocorre o seguinte:

  • Você faz mudanças significativas na lógica do conjunto de dados. Por exemplo, quando qualquer um seguinte alteração:
    • A lógica de preenchimento dos campos
    • A seleção de campos RECOMENDADOS preenchidos
    • A lógica ou seleção de dados fornecida no Tabela PartySupplementaryData
  • Você vai treinar um modelo para uma nova região.

Quando herdar hiperparâmetros

Para poupar tempo e custos ao adotar uma nova versão do mecanismo, você pode hiperparâmetros de um mecanismo anterior usando a mesma versão de ajuste. Consulte a seção Como adotar uma versão do mecanismo sem reajustar.

versões do mecanismo com a versão de ajuste v003 e versões do mecanismo lançadas antes 22/02/2024, não dão suporte à herança de hiperparâmetros, mas estas versões pode ser usado como fonte de hiperparâmetros.

Como ajustar um mecanismo

Para ativar o ajuste, consulte Criar e gerenciar configurações do mecanismo.

Especificamente, você precisa selecionar o seguinte:

  • Os dados a serem usados para o ajuste do mecanismo:

    Especifique um conjunto de dados e um horário de término dentro do período do conjunto de dados.

    O ajuste do mecanismo usa rótulos e recursos com base em meses completos até o mês da data de término selecionada, mas sem incluir esse mês. Para mais informações, consulte Intervalos de tempo do conjunto de dados.

  • A versão do mecanismo a ser usada para o ajuste do mecanismo:

    Selecione uma versão do mecanismo que corresponda à linha de negócios (varejo ou comercial) para os quais você usará os modelos associados.

  • O volume de investigações que você espera com base nos modelos:

    Especifique partyInvestigationsPerPeriodHint. Isso é usado pelo ajuste do mecanismo, treinamento e backtesting para garantir que a IA de AML ofereça performance no seu volume de investigação mensal.

Saída de ajuste do mecanismo

O ajuste do mecanismo gera um recurso EngineConfig, que pode ser usado para criar um recurso Modelo.

Os metadados de configuração do mecanismo contêm as seguintes métricas. Mais especificamente, essas métricas mostram o seguinte:

  • Ganho de desempenho esperado com o ajuste do mecanismo em comparação com o uso do padrão hiperparâmetros

  • Medições que podem ser usadas para avaliar a consistência do conjunto de dados (por exemplo, comparando os valores de ausência de famílias de atributos de diferentes operações)

Nome da métrica Descrição da métrica Exemplo de valor da métrica
ExpectedRecallPreTuning Métrica de recuperação medida em um conjunto de teste ao usar hiperparâmetros padrão da versão do mecanismo.

Essa medição de recuperação pressupõe o número de investigações por mês especificado em partyInvestigationsPerPeriodHint. 

{
  "recallValues": [
    {
      "partyInvestigationsPerPeriod": 5000,
      "recallValue": 0.72,
      "scoreThreshold": 0.42,
    },
  ],
}
ExpectedRecallPostTuning Métrica de recall medida em um conjunto de teste com o uso hiperparâmetros ajustados.

Essa medição de recall considera o número de investigações por mês especificado em partyInvestigationsPerPeriodHint. 

{
  "recallValues": [
    {
      "partyInvestigationsPerPeriod": 5000,
      "recallValue": 0.80,
      "scoreThreshold": 0.43,
    },
  ],
}
Falta

Compartilhamento de valores ausentes entre todos os atributos em cada família de atributos.

O ideal é que todas as famílias de recursos da IA antilavagem de dinheiro tenham Falta próxima de 0. Exceções podem ocorrer quando os dados subjacentes dessas famílias de recursos não estão disponíveis para integração.

Uma mudança significativa nesse valor para qualquer família de atributos entre o ajuste, treinamento, avaliação e previsão podem indicar inconsistências dos conjuntos de dados usados. 

{
  "featureFamilies": [
    {
      "featureFamily": "unusual_wire_credit_activity",
      "missingnessValue": 0.00,
    },
    ...
    ...
    {
      "featureFamily": "party_supplementary_data_id_3",
      "missingnessValue": 0.45,
    },
  ],
}

Como adotar uma versão do mecanismo sem reajustar

Para reutilizar os hiperparâmetros de uma configuração de mecanismo anterior, consulte a seção Crie uma configuração de mecanismo que herde hiperparâmetros (na página Criar e gerenciar configurações do mecanismo). Especificamente, você precisa selecionar o seguinte:

  • Tipo de origem do hiperparâmetro:selecione INHERITED como o hyperparameterSourceType Se você não especificar o tipo de origem, o tipo de origem do hiperparâmetro será definido como TUNING para permitir a compatibilidade com versões anteriores.
  • Origem do hiperparâmetro: especifique o nome completo do recurso da configuração do mecanismo de origem no objeto hyperparameterSource. As saídas da configuração do mecanismo de origem são usadas para a nova configuração do mecanismo. A configuração do mecanismo de origem precisa ter sido criada com uma versão anterior do mecanismo na mesma versão do mecanismo de ajuste que você está usando.
  • Versão do mecanismo a ser usada para a configuração do mecanismo: selecione uma versão do mecanismo que corresponda à linha de negócios (varejo ou comercial) dos modelos que você quer usar. Se você herdar hiperparâmetros, a linha de negócios precisa corresponder à usada na fonte de hiperparâmetro.

Saída e linhagem ao herdar

Herdar hiperparâmetros de outra versão do mecanismo cria uma Recurso EngineConfig, que pode ser usado para criar recurso Model usando os hiperparâmetros da configuração do mecanismo de origem.

Para a linhagem, os seguintes campos do recurso EngineConfig são definidos como segue ao herdar hiperparâmetros de outra configuração de mecanismo:

  • hyperparameterSourceType: INHERITED
  • hyperparameterSource: a configuração do mecanismo usada como a origem do hiperparâmetro
  • tuning: objeto tuning original, incluindo a referência ao conjunto de dados usado para o ajuste original do mecanismo (primaryDataset) e o último momento em que os dados foram usados para gerar recursos para treinamento (endTime).
  • performanceTarget: objeto performanceTarget original, incluindo o volume de investigações esperado com base nos modelos especificados (partyInvestigationsPerPeriodHint)
  • Metadados de configuração do mecanismo do ajuste do mecanismo original