了解数据集

机器学习模型从训练数据中捕获的历史决策和动作中“学习”。 因此，它们在实际场景中的表现在很大程度上受到所训练数据的影响。 当数据集中的特征分布偏斜时，它可能会导致模型错误地预测属于未代表组的数据点，或者通过不适当的指标进行优化。

例如，在训练用于预测房价的 AI 系统时，训练集中的样本有 75% 是价格低于中位数的较新房屋。 因此，该模型在成功识别较为昂贵的历史房屋时，准确性要低得多。 解决方法是在训练数据中添加较旧且昂贵的房屋，并对特征进行扩充，使之包含有关历史价值的见解。 该数据扩充改进了结果。

负责任 AI 仪表板的数据分析组件有助于根据预测结果和实际结果、错误组和特定特征将数据集可视化。 它有助于识别过度代表和代表不足的问题，了解数据在数据集中是如何聚集的。 数据可视化由聚合绘图或各数据点组成。

何时使用数据分析

在以下情况下需要使用数据分析：

• 选择不同的筛选器，按不同维度切分数据（也称为队列），以浏览数据集统计信息。
• 了解数据集在不同队列和功能组中的分布。
• 确定与公平性、错误分析和因果关系（来自其他仪表板组件）相关的发现是否是数据集分布的结果。
• 确定在哪些领域收集更多数据，以减少由表示问题、标签噪声、特征噪声、标签偏差以及类似因素引起的错误。

后续步骤

• 了解如何通过 CLI 和 SDK 或 Azure 机器学习工作室 UI 生成负责任 AI 仪表板。
• 查看负责任 AI 仪表板中支持的数据分析可视化。
• 了解如何根据“负责任 AI”仪表板中的分析结果生成负责任 AI 记分卡。