模型準備作業總覽

本頁面將引導您準備 AML AI 模型的步驟，假設您已設定執行個體並準備必要的資料集。

階段總覽

模型的準備程序分為以下三個階段：

• 第 1 階段：設定引擎，包括選取超參數的來源：

  • 調整：自動調整超參數
  • 繼承：從先前引擎設定中繼承超參數，這些設定是在相同的調校版本中使用舊引擎版本建立。這項設定可讓您在每次採用新模型引擎版本時，避免重新調整。

  建立引擎設定會將微調或繼承的結果儲存在 EngineConfig 資源中。

• 階段 2：產生模型

  建立模型會觸發訓練作業，並將結果儲存為模型資源。

• 第 3 階段：評估模型

  建立回測結果會評估指定月份的模型效能，並將摘要結果儲存在 BacktestResult 資源中。您可以選擇建立預測結果，評估模型的各方輸出內容。

完成前面階段後，如果模型成效符合您的需求，請參閱「產生風險分數和可解釋性」和「準備模型和風險治理」部分的指導方針。

事前準備

開始之前，請先準備下列項目：

• 一或多個資料集
• 要使用的選取引擎版本

資料集規定

如需資料模型和結構定義的詳細指南，請參閱「為 AML AI 準備資料」下方的頁面。本節將說明如何確保在調整、訓練及評估引擎時，所使用的資料集能順利搭配運作。

注意：大多數模型管理政策都會定義一項要求，要求您追蹤在引擎設定、訓練和評估等所有機器學習作業中使用的資料系譜。為確保資料保持不變，建議您在 BigQuery 資料表通過資料驗證後，建立 BigQuery 資料表快照，並在反洗錢 AI 資料集中參照該快照。如果您參照的是定期更新的資料表，AML AI 作業每次使用 AML AI 資料集時，都會讀取 BigQuery 資料表，因此對基礎 BigQuery 資料表所做的變更，可能會影響調整、訓練、回測和預測。

資料集時間範圍

用於調整、訓練、回測和預測作業的每個資料集，都應包含在 API 呼叫中指定的 end_time 前一個完整日曆月的結束時間，結束時間的時間範圍應為有效資料。這個時間範圍的長度取決於資料表、引擎版本和作業。如要進一步瞭解最小時間範圍，請參閱「瞭解資料範圍和時間長度」一文。

舉例來說，如果要使用 v004.004 引擎版本進行引擎調整，交易資料表應涵蓋至少 30 個月。

您可以使用單一資料集完成引擎設定、訓練和評估 (回測) 作業，請參閱下圖。為避免過度擬合，確保正式環境的良好效能，請務必確保用於評估 (也就是建立回測結果) 的期間，是在用於訓練 (也就是建立模型) 的期間之後。

舉例來說，如果您使用 3 個期間進行回測，並使用截至 2024 年 2 月底的期間進行訓練 (也就是 2024 年 3 月初的結束時間)，那麼您可以使用截至 2024 年 5 月底的期間進行回測 (也就是 2024 年 6 月初的結束時間)。

資料集一致性

在引擎調整、訓練和評估階段使用不同資料集時，請確保資料集在填入哪些欄位和填入方式上保持一致。這對 AML 模型的穩定性和成效至關重要。

同樣地，如要取得高品質的風險分數，使用模型建立預測結果的資料集，應與用於訓練該模型的資料集一致。

請特別注意下列事項：

• 系統會使用相同的邏輯填入每個欄位。變更用於填入欄位的邏輯，可能會在模型訓練與預測或評估之間引入特徵偏差。
• 系統會填入相同的「建議」欄位。舉例來說，移除模型訓練期間填入的欄位，可能會導致模型在評估或預測期間偏離或遺漏模型所依賴的特徵。

• 提供值時會使用相同的邏輯。在 PartySupplementaryData 資料表中，會使用相同的邏輯為每個 party_supplementary_data_id 欄位提供值。

  • 如果使用相同的資料，但 party_supplementary_data_id 值不同，模型就會錯誤使用資料。舉例來說，某個資料欄位會在一個資料集的 PartySupplementaryData 資料表中使用 ID 5，但在另一個資料集中使用 ID 7。
  • 移除模型所依賴的 party_supplementary_data_id 值可能會產生無法預測的影響。舉例來說，ID 3 會用於某個資料集的 PartySupplementaryData 資料表，但會從另一個資料集省略。

您現在已準備好資料集，可用於調整、訓練及評估引擎。請注意，模型作業可能需要數十小時才能完成。如要瞭解如何檢查作業是否仍在執行或已完成 (失敗或成功)，請參閱「管理長時間運行的作業」。