Genera un modello

Questa pagina illustra brevemente i concetti alla base dell'addestramento dei modelli. Una risorsa di modello di IA AML rappresenta un modello addestrato che può essere utilizzato per generare punteggi di rischio e spiegabilità.

Quando eseguire l'addestramento o il nuovo addestramento

L'IA AML addestra un modello durante la creazione di una risorsa modello. Il modello deve essere addestrato prima di poter essere valutato (ovvero sottoposto a backtest) o utilizzato per generare risultati di previsione.

Per ottenere le migliori prestazioni e mantenere i modelli più aggiornati, valuta la possibilità di eseguire un nuovo addestramento mensile. Tuttavia, una determinata versione del motore supporta la generazione di risultati di previsione per 12 mesi dal rilascio di una versione secondaria più recente del motore.

Come allenarsi

Per addestrare un modello (ovvero crearlo), consulta Creare e gestire i modelli.

In particolare, devi selezionare quanto segue:

• I dati da utilizzare per l'addestramento:

  Specifica un set di dati e un'ora di fine nell'intervallo di date del set di dati.

  L'addestramento utilizza etichette e funzionalità basate su mesi solari completi fino al mese dell'ora di fine selezionata, escluso. Per ulteriori informazioni, consulta la sezione Intervalli di tempo dei set di dati.

• Una configurazione del motore creata utilizzando un set di dati coerente:

  Vedi Configurare un motore.

Output formazione

L'addestramento genera una risorsa modello, che può essere utilizzata per:

• Creare risultati di backtest, che vengono utilizzati per valutare le prestazioni del modello utilizzando i veri positivi attualmente noti
• Creare risultati di previsione, che vengono utilizzati quando è tutto pronto per iniziare a esaminare le nuove segnalazioni di potenziali casi di riciclaggio di denaro

I metadati del modello contengono la metrica missingness, che può essere utilizzata per valutare la coerenza del set di dati (ad esempio, confrontando i valori di mancanza delle famiglie di funzionalità di diverse operazioni)

{
  "featureFamilies": [
    {
      "featureFamily": "unusual_wire_credit_activity",
      "missingnessValue": 0.00,
    },
    ...
    ...
    {
      "featureFamily": "party_supplementary_data_id_3",
      "missingnessValue": 0.45,
    },
  ],
}

{
  "featureFamilies": [
    {
      "featureFamily": "unusual_wire_credit_activity",
      "importanceValue": 459761000000,
    },
    ...
    ...
    {
      "featureFamily": "party_supplementary_data_id_3",
      "importanceValue": 27492,
    },
  ],
}

I metadati del modello non contengono metriche di richiamo di un set di test. Per generare misurazioni del recupero per un periodo di tempo specifico (ad esempio il set di test), consulta Valutare un modello.