Configurare un motore

In questa pagina vengono spiegati brevemente i concetti alla base della configurazione di un motore.

Quando sintonizzarsi o sintonizzarlo di nuovo

AML AI modula gli iperparametri quando crei una risorsa EngineConfig. Questo è un passaggio necessario prima che un motore addestra un modello per qualsiasi versione del motore, poiché la configurazione del motore deve essere specificata quando crei un modello.

Per ottenere le migliori prestazioni, dovresti prendere in considerazione l'ottimizzazione del motore nei casi seguenti:

  • Apporti modifiche significative alla logica del set di dati. Ad esempio, quando una delle seguenti modifiche:
    • La logica in base alla quale vengono compilati i campi.
    • La selezione dei campi CONSIGLIATI che vengono compilati
    • La logica o la selezione dei dati forniti nella tabella PartySupplementaryData
  • Stai per fare in modo che un motore addestra un modello per una nuova regione.

Come mettere a punto un motore

Per attivare l'ottimizzazione, consulta Creare e gestire configurazioni del motore.

In particolare, devi selezionare quanto segue:

  • Dati da utilizzare per l'ottimizzazione del motore:

    Specifica un set di dati e un'ora di fine nell'intervallo di date del set di dati.

    L'ottimizzazione del motore utilizza etichette e funzionalità basate sui mesi di calendario completi fino al mese dell'ora di fine selezionata (escluso il mese). Per ulteriori informazioni, consulta Intervalli di tempo dei set di dati.

  • La versione del motore da utilizzare per l'ottimizzazione:

    Seleziona una versione del motore che corrisponda alla linea di business (vendita al dettaglio o commerciale) per cui utilizzerai i modelli associati.

  • Il volume di indagini previste in base ai modelli:

    Specifica partyInvestigationsPerPeriodHint. Viene utilizzato dall'ottimizzazione del motore, dall'addestramento e dai test di backtest per garantire che l'AI AML offra prestazioni al volume di indagine.

Output dell'ottimizzazione del motore

L'ottimizzazione del motore genera una risorsa EngineConfig, che può essere utilizzata per creare una risorsa del modello.

I metadati di configurazione del motore contengono le seguenti metriche. In particolare, queste metriche mostrano quanto segue:

  • Aumento delle prestazioni previsto dall'ottimizzazione del motore rispetto all'uso degli iperparametri predefiniti

  • Eventuali modifiche significative in cui le famiglie di caratteristiche supportate dal set di dati (tra ottimizzazione del motore, addestramento, valutazione e previsione)

Nome metrica Descrizione metrica Esempio di valore metrica
Pre-ottimizzazione prevista per il richiamo Metrica di richiamo misurata su un set di test quando vengono utilizzati gli iperparametri predefiniti della versione del motore.

Questa misurazione del richiamo presuppone il numero di indagini al mese specificato in partyInvestigationsPerPeriodHint. 


{
  "recallValues": [
    {
      "partyInvestigationsPerPeriod": 5000,
      "recallValue": 0.72,
      "scoreThreshold": 0.42,
    },
  ],
}
Ottimizzazione post richiamo prevista Metrica di richiamo misurata su un set di test quando vengono utilizzati iperparametri ottimizzati.

Questa misurazione del richiamo presuppone il numero di indagini al mese specificato in partyInvestigationsPerPeriodHint. 


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

Quota dei valori mancanti in tutte le funzionalità di ogni famiglia di caratteristiche.

Idealmente, tutte le famiglie di funzionalità di AML AI dovrebbero avere un valore mancante vicino a 0. Potrebbero verificarsi eccezioni quando i dati alla base di queste famiglie di funzionalità non sono disponibili per l'integrazione.

Una modifica significativa di questo valore per qualsiasi famiglia di funzionalità tra l'ottimizzazione, l'addestramento, la valutazione e la previsione può indicare incoerenze nei set di dati utilizzati. 


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