Manuale d'Uso del Servizio di Predizione con Alibi Anchors

Introduzione

Questo servizio consente di generare predizioni spiegate per singole osservazioni tabellari utilizzando un modello precedentemente addestrato con il metodo AnchorTabular della libreria alibi-explain. Il servizio è pensato per operare esclusivamente in combinazione con il servizio di training compatibile della piattaforma del Sistema Data Analytics, che produce i modelli in un formato supportato.

Funzionalità del Servizio

Effettua la predizione per una o più righe di input.
Genera spiegazioni locali sotto forma di ancore (regole).
Supporta la personalizzazione dei parametri del metodo explain() di Alibi.
Gestisce il recupero del modello, dell'explainer e delle strategie di imputazione.

Parametri

--direct_args_to_explainer_function: dizionario JSON con parametri per il metodo .explain() dell'explainer. Per i dettagli completi sui parametri accettati, consulta la documentazione ufficiale: AnchorTabular.explain
--feature_to_predict: nome della feature target nel caso di modelli multioutput (opzionale).

Input e Output

Input

Modello di input: deve essere un modello addestrato con il servizio di training del Sistema Data Analytics basato su AnchorTabular. Il formato prevede che il modello contenga anche l'explainer e le informazioni per l'imputazione.
Dataset: può contenere una o più osservazioni (righe), purché fornito come dataset di tipo "streaming" in formato dizionario JSON o lista di dizionari.

Output

Il messaggio di output contiene l'input originale arricchito con un campo predictions che include:
"name" (la classe target),
"value" (la predizione del modello),
"explanation" (la regola ancorata in formato testuale).

Esempio di Utilizzo

Esempio di input (una riga):

{
  "age": 45,
  "job": "technician",
  "marital": "married",
  "education": "secondary",
  "balance": 1234
}

Parametri:

{
  "direct_args_to_explainer_function": {
    "threshold": 0.8,
    "beam_size": 10
  }
}

Output:

{
  "age": 45,
  "job": "technician",
  "marital": "married",
  "education": "secondary",
  "balance": 1234,
  "predictions": [
    {
      "name": "predicted_label",
      "value": 1,
      "explanation": "IF job = technician AND education = secondary THEN prediction = 1"
    }
  ]
}

Note Importanti

Questo servizio non è autonomo: richiede modelli costruiti con il servizio di training alibi-explain-anchors disponibile sulla piattaforma del Sistema Data Analytics.
Se mancano feature richieste dal modello, esse verranno aggiunte e imputate automaticamente.
Il dataset di input deve essere un dataset di tipo streaming.