Configurer un moteur

Cette page présente brièvement les concepts liés à la configuration d'un moteur.

Quand régler ou réajuster

AML AI règle les hyperparamètres lorsque vous créez une ressource EngineConfig. Cette étape est nécessaire avant qu'un moteur n'entraîne un modèle, quelle que soit sa version, car la configuration du moteur doit être spécifiée lorsque vous créez un modèle.

Pour de meilleures performances, vous devez envisager un réglage du moteur dans les cas suivants:

  • Vous apportez des modifications importantes à la logique de l'ensemble de données. Par exemple, lorsque l'une des modifications suivantes change :
    • Logique selon laquelle les champs sont renseignés
    • Sélection des champs RECOMMENDED renseignés
    • Logique ou sélection des données fournies dans la table PartySupplementaryData.
  • Vous êtes sur le point de demander à un moteur d'entraîner un modèle pour une nouvelle région.

Régler un moteur

Pour déclencher un réglage, consultez Créer et gérer des configurations de moteur.

Vous devez en particulier sélectionner les éléments suivants:

  • Données à utiliser pour le réglage du moteur:

    Spécifiez un ensemble de données et une heure de fin dans la plage de dates de l'ensemble de données.

    Le réglage du moteur utilise des libellés et des fonctionnalités basés sur des mois calendaires complets jusqu'au mois de l'heure de fin sélectionnée, à l'exclusion de celui-ci. Pour en savoir plus, consultez la section Plages de temps pour les ensembles de données.

  • Version du moteur à utiliser pour le réglage du moteur:

    Sélectionnez une version de moteur correspondant au secteur d'activité (commerce ou commerce) pour lequel vous utiliserez les modèles associés.

  • Volume d'enquêtes attendu en fonction des modèles:

    Spécifiez partyInvestigationsPerPeriodHint. Ces informations sont utilisées par le réglage du moteur, l'entraînement et le rétrotestage pour s'assurer qu'AML AI offre des performances adaptées à votre volume d'enquête.

Puissance de réglage du moteur

Le réglage du moteur génère une ressource EngineConfig, qui peut être utilisée pour créer une ressource de modèle.

Les métadonnées de configuration du moteur contiennent les métriques suivantes. Elles indiquent en particulier les éléments suivants:

  • Gain de performances attendu grâce aux réglages du moteur par rapport à l'utilisation des hyperparamètres par défaut

  • Toute modification importante des familles de caractéristiques acceptées par l'ensemble de données (réglage du moteur, entraînement, évaluation et prédiction)

Nom de la métrique Description de la métrique Exemple de valeur de métrique
RecallPreTuning attendu Métrique de rappel mesurée sur un ensemble de test lors de l'utilisation des hyperparamètres par défaut de la version du moteur.

Cette mesure du rappel suppose le nombre d'enquêtes par mois spécifié dans partyInvestigationsPerPeriodHint. 


{
  "recallValues": [
    {
      "partyInvestigationsPerPeriod": 5000,
      "recallValue": 0.72,
      "scoreThreshold": 0.42,
    },
  ],
}
RecallPostTuning attendu Métrique de rappel mesurée sur un ensemble de test lors de l'utilisation d'hyperparamètres réglés.

Cette mesure du rappel suppose le nombre d'enquêtes par mois spécifié dans partyInvestigationsPerPeriodHint. 


{
  "recallValues": [
    {
      "partyInvestigationsPerPeriod": 5000,
      "recallValue": 0.80,
      "scoreThreshold": 0.43,
    },
  ],
}
Manque de précision

Part des valeurs manquantes pour toutes les caractéristiques de chaque famille de caractéristiques.

Idéalement, le champ "Manquant" de toutes les familles de fonctionnalités AML AI doit être proche de 0. Des exceptions peuvent se produire lorsque les données sous-jacentes à ces familles de fonctionnalités ne sont pas disponibles pour l'intégration.

Un changement significatif de cette valeur pour toute famille de caractéristiques entre le réglage, l'entraînement, l'évaluation et la prédiction peut indiquer des incohérences dans les ensembles de données utilisés. 


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