Cuando trabajas con modelos de imágenes de AutoML, puedes configurar parámetros específicos para mejorar tus explicaciones.
Los métodos de atribución de atributos de Vertex Explainable AI se basan en variantes de los valores de Shapley. Debido a que los valores de Shapley son muy costosos en términos de procesamiento, Vertex Explainable AI proporciona aproximaciones en lugar de valores exactos.
Para reducir el error de aproximación y acercarte a los valores exactos, debes cambiar las siguientes entradas:
- Aumenta la cantidad de pasos o de rutas integrales.
Aumenta los pasos
Para reducir el error de aproximación, puedes aumentar lo siguiente:
- La cantidad de pasos integrales en la IU
¿Qué sigue?
- Describe las limitaciones de Vertex Explainable AI.