模型准备概览

本页面将引导您完成准备 AML AI 的步骤 模型，假设您已经设置了实例，并准备好了 数据集。

阶段概览

模型准备过程分为以下三个阶段：

• 第 1 阶段： 配置引擎 包括选择超参数的来源：

  • 调整：自动调整超参数
  • 继承：从之前的引擎配置继承超参数 使用同一个 调参版本。 此设置可让您避免在每次采用新模型时都重新调优 引擎版本。

  创建引擎配置 将调优或继承的结果存储在 EngineConfig 资源。

• 第 2 阶段： 生成模型

  创建模型 会触发训练，将结果存储为 模型资源。

• 第 3 阶段： 评估模型

  创建回测结果 评估模型在一组指定月份中的性能，存储摘要 会生成 BacktestResult 资源。 （可选） 创建预测结果 可以评估模型的每方输出。

完成前面的阶段，且模型性能达到 请参阅生成风险得分和可解释性和 为模型和风险治理做好准备。

准备工作

在开始之前，您需要做好以下准备：

• 一个或多个 数据集
• 已选择 A 引擎版本 使用

数据集要求

有关数据模型和架构的详细指南， 为 AML AI 准备数据。本部分将介绍如何确保数据集 用于引擎调优、训练和评估。

注意：大多数模型治理政策都会定义跟踪所用数据沿袭的要求 执行所有机器学习操作（包括引擎配置、训练和评估）。为了确保数据保持不变，我们建议您 创建 BigQuery 表的快照（而不仅仅是制作副本），并使用 AML AI 数据集中的 BigQuery 快照。 AML AI 操作每次读取 BigQuery 表 操作使用数据集的时间，因此对数据集的更改可能会影响调优、训练 回测和预测。

数据集时间范围

每项操作的数据集最小时间范围如下 了解数据范围和时长。 总的来说，回溯期需要 0-24 个月，具体取决于表格， 超过至少 18 个月的核心时间，以涵盖所有 相同的数据集。较短的数据集可用于单个操作； 例如，在重复使用引擎配置时 调整。

例如，对于引擎调整，Transaction 表应 涵盖至少 42 个月（18 个月的核心时间范围，以及 24 个月的 回溯期）。

可以完成引擎配置、训练和评估（回测） 生成单个数据集；请见下图。为了确保制作顺利 您应使用核心时间窗口， 这种评估（即创建回测结果）是不相交的， 训练（即创建模型）的核心时间窗口。

数据集一致性

使用不同的数据集进行引擎调优、训练和评估时 确保数据集在填充字段和填充方式方面保持一致 填充内容。这对于 AML 模型的稳定性和性能来说非常重要。

同样，对于较高的风险得分， 使用模型创建预测结果的数据集应该与 用于训练该模型的数据集。

具体而言，请确保以下几点：

• 每个字段使用相同的逻辑填充。更改所用的逻辑 会导致模型训练和 预测或评估。
• 系统会填充相同的选定推荐字段。例如： 移除在模型训练期间填充的字段可能会导致特征 模型在评估期间所依赖的偏差或缺失值， 预测。

• 提供值也使用相同的逻辑。在 PartySupplementaryData 表中显示，则使用相同的逻辑用于 为每个 party_supplementary_data_id 字段提供值。

  • 使用相同的数据，但使用的 party_supplementary_data_id 不同 值会导致模型不正确地使用数据。例如， 在5 PartySupplementaryData 表，然后稍后 在另一个数据集中使用了 ID 7。
  • 移除模型依赖的 party_supplementary_data_id 值 可能会产生不可预测的影响。例如，ID 3 用于 一个数据集内的 PartySupplementaryData 表，但 另一个数据集省略。

现在，您已拥有一个可用于引擎调优、训练和评估的数据集。注意事项 模型操作可能需要数十小时。如需了解如何 检查操作是否仍在运行或已完成（失败或成功）； 请参阅 管理长时间运行的操作。