Configurar um mecanismo

Esta página aborda brevemente os conceitos por trás da configuração de um mecanismo.

Esta página é válida para as versões do mecanismo nos seguintes agrupamentos de versões principais do mecanismo. Para acessar a página de outras versões do mecanismo, use o seletor na parte de cima desta página.

Em resumo, estas são as mudanças das versões do mecanismo v003 para v004 (até v004.008):

  • Adição de partiesCount e identifiedPartiesCount aos valores das métricas ExpectedRecallPreTuning e ExpectedRecallPostTuning.

Origens compatíveis para 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 AML AI ajusta os hiperparâmetros quando você cria um recurso EngineConfig (comportamento padrão).
  • Herança: herda hiperparâmetros de uma configuração de mecanismo anterior criada com uma versão anterior do mecanismo na mesma versão de ajuste. Com essa configuração, você não precisa fazer um novo ajuste toda vez que adota 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 deve herdar hiperparâmetros de uma configuração de mecanismo anterior.

Quando ajustar

Você pode ajustar cada nova configuração de mecanismo e, em caso de dúvida, sempre ajuste para os melhores resultados de desempenho. Consulte a seção Como ajustar um mecanismo para mais informações.

Para ter o melhor desempenho, considere o ajuste do mecanismo quando ocorrer uma das seguintes situações:

  • Você faz mudanças significativas na lógica do conjunto de dados. Por exemplo, quando qualquer uma das seguintes opções muda:
    • A lógica de preenchimento dos campos
    • A seleção de campos "RECOMENDADOS" que são preenchidos
    • A lógica ou seleção de dados fornecidos na tabela PartySupplementaryData
  • Você está prestes a fazer com que um mecanismo treine um modelo para uma nova região.

Quando herdar hiperparâmetros

Para economizar tempo e custos ao adotar uma nova versão do mecanismo, é possível herdar hiperparâmetros de um mecanismo anterior usando a mesma versão de ajuste. Consulte a seção Como adotar uma versão do mecanismo sem reajustar.

As versões do mecanismo com a versão de ajuste v003 e as versões lançadas antes de 22/02/2024 não são compatíveis com a herança de hiperparâmetros, mas podem ser usadas como uma fonte deles.

Como ajustar um motor

Para acionar o ajuste, consulte Criar e gerenciar configurações de mecanismo.

Em particular, você precisa selecionar o seguinte:

  • Os dados a serem usados para ajuste do mecanismo:

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

    O ajuste do mecanismo usa rótulos e recursos com base em meses civis completos até o mês do horário de término selecionado, mas não incluindo esse mês. Para mais informações, consulte Intervalos de tempo do conjunto de dados.

  • A versão do mecanismo a ser usada para ajuste:

    Selecione uma versão do mecanismo que corresponda à linha de negócios (varejo ou comercial) em que você vai usar os modelos associados.

  • O volume de investigações esperado com base nos modelos:

    Especifique partyInvestigationsPerPeriodHint. Usado pelo ajuste, treinamento e backtesting do mecanismo para garantir que a IA de AML ofereça desempenho no volume mensal de investigações.

Saída do ajuste do mecanismo

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

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

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

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

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

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

{
  "recallValues": [
    {
      "partyInvestigationsPerPeriod": 5000,
      "recallValue": 0.72,
      "partiesCount": 100,
      "identifiedPartiesCount": 72,
      "scoreThreshold": 0.42,
    },
  ],
}
ExpectedRecallPostTuning Métrica de recall medida em um conjunto de teste ao usar hiperparâmetros ajustados.

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

{
  "recallValues": [
    {
      "partyInvestigationsPerPeriod": 5000,
      "recallValue": 0.80,
      "partiesCount": 100,
      "identifiedPartiesCount": 80,
      "scoreThreshold": 0.43,
    },
  ],
}
Ausência

Proporção de valores ausentes em todos os atributos de cada família de atributos.

O ideal é que todas as famílias de recursos de IA de AML tenham uma falta próxima de 0. Pode haver exceções quando os dados dessas famílias de recursos não estão disponíveis para integração.

Uma mudança significativa nesse valor para qualquer família de recursos entre ajuste, treinamento, avaliação e previsão pode indicar inconsistência nos 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 fazer uma nova sintonia

Para reutilizar hiperparâmetros de uma configuração de mecanismo anterior, consulte a seção Criar uma configuração de mecanismo que herda hiperparâmetros na página Criar e gerenciar configurações de mecanismo. Em particular, 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. 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 agora.
  • Versão do mecanismo a ser usada na 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 estiver herdando hiperparâmetros, a linha de negócios precisa corresponder à usada para a origem do hiperparâmetro.

Saída e linhagem ao herdar

A herança de hiperparâmetros de outra versão do mecanismo cria um recurso EngineConfig, que pode ser usado para criar um recurso Model usando os hiperparâmetros da configuração do mecanismo de origem.

Para linhagem, os seguintes campos no recurso EngineConfig são definidos da seguinte forma ao herdar hiperparâmetros de outra configuração de mecanismo:

  • hyperparameterSourceType: INHERITED
  • hyperparameterSource: a configuração do mecanismo usada como origem do hiperparâmetro.
  • tuning: objeto tuning original, incluindo a referência ao conjunto de dados usado para o ajuste do mecanismo original (primaryDataset) e a última vez 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 original do mecanismo