Ti trovi qui:
Gestione degli avvisi sulla qualità
Einstein Discovery visualizza avvisi che riguardano la qualità quando rileva problemi nei dati di addestramento, nelle metriche di qualità del modello o durante la convalida incrociata.
Versioni (Edition) richieste
Nota Le storie di Einstein Discovery ora sono modelli. Stiamo facendo il possibile per aggiornare il nome ovunque, ma in alcuni punti potrebbe essere ancora visualizzato il nome precedente.
| Disponibile in Salesforce Classic e Lightning Experience. |
| Disponibile con CRM Analytics, disponibile a sua volta con un supplemento di prezzo nelle versioni Enterprise Edition, Performance Edition e Unlimited Edition. Disponibile anche nella versione Developer Edition. |
Per gestire gli avvisi sulla qualità:
-
Aprire la schermata Avvisi sui dati.
- Aprire il modello e fare clic su Prestazioni.
-
Nella pagina di panoramica Metriche modello, scegliere Visualizza tutti gli avvisi nel riquadro Valuta preparazione della distribuzione.
- Esaminare tutti gli avvisi rilevati da Einstein nel modello o nei dati di addestramento.
-
Per ogni avviso, decidere quale azione eseguire.
- Se si sceglie di modificare un'impostazione, Einstein chiede di creare una versione del modello.
Einstein applica la modifica e crea una versione del modello per analizzare i dati utilizzando l'impostazione modificata.
- Se si sceglie di ignorare un avviso, Einstein chiede di confermare.
Gli avvisi ignorati vengono spostati nella scheda Risolto.
- Se non si interviene, l'avviso rimane nella scheda Per revisione.
- Se si sceglie di modificare un'impostazione, Einstein chiede di creare una versione del modello.
- Avviso impatto discriminatorio
Indica che c'è una discrepanza significativa nel modo in cui vengono considerate le varie classi, il che può essere spia di una distorsione. - Variabile proxy avviso
Indica che una o più variabili sono strettamente correlate a una variabile sensibile, il che significa che la variabile funge da variabile proxy nell'analisi, il che può segnalare una distorsione. Ad esempio, l'indirizzo postale del richiedente di un prestito può fungere da proxy per la sua appartenenza etnica. La distorsione si può manifestare in percentuali di approvazione sfavorevoli se le pratiche di concessione di finanziamenti di un istituto sono discriminatorie. - Avviso valori anomali
Indica la presenza di numeri insolitamente grandi o piccoli, probabilmente causati da errori di immissione dei dati o da eventi rari. I valori anomali influiscono sulle medie, che possono influire sulla precisione di approfondimenti, previsioni e miglioramenti. - Avviso predittori più forti
Indica una variabile così strettamente correlata al risultato da giustificare un esame per escludere fughe di dati. La fuga si verifica quando i dati utilizzati per eseguire l'addestramento del modello includono una o più variabili che contengono le informazioni di cui si sta tentando di eseguire la previsione. - Avviso di multicollinearità
Indica che due o più variabili sono strettamente correlate (ad esempio, Città e Codice postale). Queste variabili possono avere un impatto duplicato sul risultato. Questa condizione è chiamata anche multicollinearità. - Avviso cardinalità elevata
Indica che una variabile contiene più di 100 valori univoci. - Avviso valori mancanti
Indica che in una variabile manca una percentuale elevata di valori, il che può compromettere la qualità degli approfondimenti o del modello. - Avviso valori identici
Indica che tutti i valori di una variabile sono identici. - Avviso bucket consigliati
Indica che, per un valore numerico, Einstein Discovery ha ideato un insieme di bucket alternativo (raggruppamento di punti dati basati su intervalli). - Avviso valori dominanti
Indica che la maggior parte dei valori di una variabile appartengono alla stessa categoria e di conseguenza limitano il contributo della variabile all'analisi. - Avviso assenza di correlazione
Indica che la variabile non spiega alcuna variazione del risultato e non ha alcun significato statistico. - Avviso distribuzione sbilanciata
Indica un rapporto sproporzionato tra le osservazioni in ogni classe di dati di addestramento. - Avviso di potenziali fughe di dati
Indica che un valore di una variabile descrittiva restituisce sempre lo stesso valore per l'esito e questo potrebbe significare che c'è una fuga di dati. La fuga di dati si verifica quando i dati di addestramento contengono le informazioni di cui si sta tentando di eseguire la previsione. La fuga causa la generazione di modelli con un punteggio ottimisticamente elevato nell'addestramento ma con prestazioni meno accurate per i dati live. Per generare modelli più realistici che funzionino meglio per la previsione degli esiti, analizzare ed eliminare dal modello le variabili predittive indesiderate. - Avviso sulla qualità AUC (area sotto la curva)
Indica che la metrica AUC di questo modello di classificazione binaria è talmente alta o bassa da giustificare un ulteriore esame. - Avviso sulla qualità R2
Indica che la metrica R2 del modello è talmente alta o bassa da giustificare un ulteriore esame. - Avviso errore convalida incrociata
Indica che la convalida incrociata di un modello non è riuscita.
Vedere anche:
Questo articolo ha risolto il problema?
Facci sapere, così possiamo migliorare!
