微软开源 AI 诊断工具 Error Analysis

作者：Alias_Travis 微软2021-02-25 15:54:41开源 Error Analysis 使用机器学习技术，助数据科学家更好地了解模型错误模式。开源

Error Analysis 诊断使用机器学习技术，助数据科学家更好地了解模型错误模式。工具

在 2020 年 5 月的微软微软 Build 大会上，微软推出了三个响应式的开源 AI(Responsible AI，RAI)工具包，诊断这三个工具分别是工具 InterpretML、Fairlearn 和 SmartNoise。微软这些工具包与微软 Azure 机器学习紧密集成，开源通过这些工具可以使机器学习领域的诊断数据科学家能够理解模型预测、评估公平性并保护敏感数据。工具

在这个工具系列的微软基础上，微软宣布推出新的开源功能，通过新的诊断 Error Analysis 工具包调试模型中的不准确之处，并在 SmartNoise 中使用合成数据提升隐私性。

使用 Error Analysis 识别和诊断模型的不精确性

在分析机器学习模型时，我们常常关注精度等总体指标。 然而，模型的准确率在不同的数据子群中往往并不统一，某些输入条件的交叉点会导致模型更频繁地失败。为了提高精度，我们需要挖掘和评估这些不同的错误来源。从历史上看，解决这些问题需要手动操作，并且十分耗时。

Error Analysis，这是微软响应式 AI 工具包中的最新成员，并且完全开源。Error Analysis 使用机器学习按照有意义的维度对模型错误进行分区，以帮助开发者更好地理解错误中的模式。此举可以能够快速识别出误差较高的子群，并直观地诊断出这些错误背后的根本原因。

虽然这是一个刚刚才开源的工具，但 Error Analysis 在微软 AI 开发中却扮演着举足轻重的作用。Error Analysis 在 2018 年开始作为一个研究项目，在 2019 年就与微软混合现实团队密切合作，使该工具成为内部 AI 基础设施的一部分。开源版本能够实现是由 Azure 机器学习中的 RAI 工具团队推动的。Error Analysis 连同其他 RAI 工具包也将在 2021 年中期归入 OSS 和 Azure 机器学习中。

本文转自OSCHINA

本文标题：微软开源 AI 诊断工具 Error Analysis

本文地址：https://www.oschina.net/news/131059/enabling-responsible-ai-with-new-open-source-capabilities

 

责任编辑：未丽燕 来源： 开源中国 微软开源Error Analysis

(责任编辑：综合)