Quando utilizzi i modelli di immagini AutoML, puoi configurare parametri specifici per migliorare le spiegazioni.
I metodi di attribuzione delle caratteristiche di Vertex Explainable AI si basano tutti su varianti dei valori di Shapley. Poiché i valori di Shapley sono molto dispendiosi in termini di risorse di calcolo, Vertex Explainable AI fornisce approssimazione anziché valori esatti.
Puoi ridurre l'errore di approssimazione e avvicinarti ai valori esatti modificando i seguenti input:
- Aumentare il numero di passaggi per l'integrale o il numero di percorsi.
Passaggi in aumento
Per ridurre l'errore di approssimazione, puoi aumentare:
- il Numero di passaggi per l'integrale nell'interfaccia utente
Passaggi successivi
- Scopri le limitazioni di Vertex Explainable AI.