AutoML 画像分類の説明を改善する
コレクションでコンテンツを整理
必要に応じて、コンテンツの保存と分類を行います。
AutoML 画像モデルを使用している場合は、説明を改善するために特定のパラメータを構成できます。
Vertex Explainable AI の特徴アトリビューション方式は、すべて Shapley 値のバリアントに基づいています。Shapley 値は非常に計算コストが高いため、Vertex Explainable AI は正確な値ではなく近似値を提供します。
次の入力を変更すると、近似誤差を減らして正確な値に近づけることができます。
ステップを増やす
近似誤差を減らすには、次の値を大きくします。
次のステップ
特に記載のない限り、このページのコンテンツはクリエイティブ・コモンズの表示 4.0 ライセンスにより使用許諾されます。コードサンプルは Apache 2.0 ライセンスにより使用許諾されます。詳しくは、Google Developers サイトのポリシーをご覧ください。Java は Oracle および関連会社の登録商標です。
最終更新日 2024-04-02 UTC。
[{
"type": "thumb-down",
"id": "hardToUnderstand",
"label":"Hard to understand"
},{
"type": "thumb-down",
"id": "incorrectInformationOrSampleCode",
"label":"Incorrect information or sample code"
},{
"type": "thumb-down",
"id": "missingTheInformationSamplesINeed",
"label":"Missing the information/samples I need"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"翻訳に関する問題"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"その他"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"わかりやすい"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"問題の解決に役立った"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"その他"
}]