Explainable AI für BigQuery ML-Modelle

Explainable AI umfasst eine Reihe von Techniken, mit denen Sie die Vorhersagen und Entscheidungen Ihrer KI-Modelle verstehen können. Für BigQuery ML und Vertex AI sind beide Explainable AI-Angebote verfügbar, die featurebasierte Erläuterungen bieten.

Auf dieser Seite wird beschrieben, ob Sie Explainable AI für BigQuery ML-Modelle verwenden können, die bei Model Registry registriert wurden.

BigQuery ML selbst unterstützt Explainable AI in zwei separaten Frameworks und unterstützt daher unterschiedliche Modelltypen. Auf dieser Seite wird beschrieben, welche Modelltypen für die Model Registry-Integration unterstützt werden. Weitere Informationen zu BigQuery ML-basierter Explainable AI finden Sie unter XAI für Modelle in BigQuery ML ausführen.

Unterstützte Modelltypen für Explainable AI in Vertex AI

Explainable AI ist in Vertex AI für einen Teil der exportierbaren überwachten Lernmodelle verfügbar. Modelltypen, die nicht in der folgenden Liste enthalten sind, unterstützen möglicherweise Explainable AI, wenn Sie ihre Metadaten manuell bearbeiten. Weitere Informationen finden Sie unter Einführung in Vertex Explainable AI.

Modelltyp Explainable AI-Methode
dnn_classifier Integrierte Gradienten
dnn_regressor Integrierte Gradienten
dnn_linear_combined_classifier Integrierte Gradienten
dnn_linear_combined_regressor Integrierte Gradienten
boosted_tree_regressor Sampled Shapley
boosted_tree_classifier Sampled Shapley
random_forest_regressor Sampled Shapley
random_forest_classifier Sampled Shapley

Weitere Informationen zu diesen Methoden finden Sie unter Methoden der Feature-Attribution.

Explainable AI in Model Registry aktivieren

Wenn Ihr BigQuery ML-Modell in der Model Registry registriert und ein von Explainable AI unterstützter Modelltyp ist, können Sie Explainable AI bei der Bereitstellung auf einem Endpunkt aktivieren. Wenn Sie Ihr BigQuery ML-Modell registrieren, werden alle zugehörigen Metadaten automatisch ausgefüllt.

  1. BigQuery ML-Modell in der Model Registry registrieren
  2. Rufen Sie in der Google Cloud Console im Bereich "BigQuery" die Seite Model Registry auf.
  3. Wählen Sie in der Modell-Registry das BigQuery ML-Modell aus und klicken Sie auf die Modellversion, um zur Seite mit den Modelldetails weiterzuleiten.
  4. Wählen Sie in der Modellversion Weitere Aktionen aus.
  5. Klicken Sie auf In Endpunkt bereitstellen.
  6. Endpunkt definieren: Erstellen Sie einen Endpunktnamen und klicken Sie auf „Weiter“.
  7. Wählen Sie einen Maschinentyp aus, z. B. n1-standard-2.
  8. Klicken Sie unter Modelleinstellungen im Logging-Bereich das Kästchen an, um die Optionen für Erklärbarkeit zu aktivieren.
  9. Klicken Sie auf Fertig und dann auf Weiter, um auf dem Endpunkt bereitzustellen.

XAI über die Console aktivieren

Informationen zur Verwendung von XAI für Ihre Modelle über die Modell-Registry finden Sie unter Online-Erläuterung mit dem bereitgestellten Modell abrufen. Weitere Informationen zu XAI in Vertex AI finden Sie unter Erläuterungen abrufen.

Weitere Informationen