在 Azure Machine Learning 中使用负责任的 AI 记分卡（预览版）

适用于：Azure CLI ml 扩展 v2 （当前版本）Python SDK azure-ai-ml v2 （当前版本）

Azure Machine Learning 负责任 AI 记分卡是根据负责任 AI 仪表板的见解和自定义设置生成的 PDF 报告，旨在为你的机器学习模型提供配套分析。 可以轻松地配置、下载和共享 PDF 记分卡与技术和非技术利益干系人，以培训他们有关数据和模型运行状况和合规性的信息，并帮助建立信任。 还可以在审核评审中使用记分卡来告知利益干系人模型的特征。

先决条件

• 一个 Azure 订阅。 如果没有Azure订阅，请在开始前创建 Trial。
• Azure Machine Learning工作区和计算实例。 完成创建入门所需的资源即可同时创建这两者。
• 已注册的模型，其中包含生成的“负责任的 AI”仪表板和记分卡。 若要生成，请参阅工作室 UI 中的 生成负责任的 AI 洞察 或 使用 YAML 和 Python 生成负责任的 AI 洞察。

在何处查找负责任 AI 记分卡

负责任的 AI 记分卡链接到负责任的 AI 仪表板。 若要查看负责任的 AI 记分卡，请在Azure Machine Learning studio中选择 Model 进入模型注册表。 然后选择你为其生成负责任的 AI 仪表板和记分卡的已注册模型。 选择模型后，选择 “负责任的 AI ”选项卡以查看生成的仪表板列表。 通过选择 Responsible AI Insights，然后选择 查看所有 PDF 记分卡，来选择您要导出的负责任 AI 记分卡的仪表板。 负责任的 AI 记分卡链接到负责任的 AI 仪表板。 若要查看负责任的 AI 记分卡，请在Azure Machine Learning studio中选择 Model 进入模型注册表。 然后选择你为其生成负责任的 AI 仪表板和记分卡的已注册模型。 选择模型后，选择 “负责任的 AI ”选项卡以查看生成的仪表板列表。 通过选择 Responsible AI Insights，然后选择 查看所有 PDF 记分卡，来选择您要导出的负责任 AI 记分卡的仪表板。

1. 选择“负责任 AI 记分卡(预览版)”以显示为此仪表板生成的所有负责任 AI 记分卡的列表。

   

2. 在列表中选择要下载的记分卡，然后选择“下载”将 PDF 下载到计算机。

   

如何阅读负责任的AI评分卡

负责任 AI 记分卡是一份关键见解的 PDF 摘要，通过负责任 AI 仪表板获取。 记分卡的第一个摘要段概述了机器学习模型和设置的关键目标值，以帮助利益干系人确定模型是否已准备好部署：

数据分析部分展示了数据的特征，这有助于正确理解数据，因为如果不正确理解数据，任何模型叙事都是不完整的。

模型性能段显示模型最重要的指标和预测特征，以及它们如何满足所需目标值：

接下来，可以查看记分卡自动提取的最高性能和最差的数据队列和子组，以便查看模型的不确定性：

可以看到影响模型预测的最重要因素，这是建立对模型任务执行方式的信任的必要条件：

可以进一步查看汇总的模型公平性见解，并检查模型满足为所需敏感组设置的公平性目标值的方式：

最后，可以查看数据集汇总的因果见解，这有助于判断确定的因素或处理方法是否对实际结果产生任何因果关系的影响：

后续步骤

• 请参阅操作指南，了解如何通过 CLI v2 和 SDK v2 或 Azure Machine Learning studio UI。
• 详细了解负责任的 AI 仪表板背后的概念和技术。
• 查看 示例 YAML 和 Python 笔记本，以使用 YAML 或 Python 生成一份负责的人工智能仪表板。
• 参阅真实客户案例，了解英国国家医疗服务体系 (NHS) 如何使用负责任 AI 仪表板和记分卡。
• 探索支持“负责任的 AI 仪表板”的开源工具“负责任 AI 工具箱”。