使用 Blue Prism Decision

点击工具栏上的 图标可查看和下载本指南的 PDF 版本。

有了 Blue Prism® Decision，Blue Prism 用户即使不具备任何数据科学专业知识，也可以在 Digital Workforce 中训练和部署智能机器学习决策模型。利用 Blue Prism Decision 简单直观的用户界面，用户可以执行以下操作：

• 定义模型—添加标题、描述、决策类型和决策变量。
• 训练模型—使用主动学习（基于由模型服务指定的已定义输入变量），即使不具备任何数据科学知识，也可以生成在统计层面上准确的机器学习模型。
• 校准模型—审查模型输入和结果预测，并在需要时覆盖模型决策。

本指南概述了 Blue Prism® Hub 中可用 Decision 插件的功能和使用方法。

目标读者

本指南旨在供任何希望使用 Decision 来创建可用于自动化模型的用户，以及在 Blue Prism 中创建使用这些模型流程的用户使用。

依赖项

Decision 插件需要访问 Blue Prism Decision 容器—Decision 插件的机器学习 API 打包在 Blue Prism Decision 容器中。有关安装容器的信息，请参阅安装 Blue Prism Decision。

兼容性

Blue Prism Decision 与 Blue Prism 6.4 或更高版本兼容。

免责声明

贵组织有责任根据适用于贵组织的法律实施 Decision。例如：

1. 你的组织可能会受到法律的约束，这些法律禁止或限制组织对个人在法律或类似重大影响方面做出完全自动化的决策（例如关于访问信贷或入围工作候选名单的决策）。在作出决策后，您可以通过添加人机回圈建立人际互动流程，以构建人际互动来审查决策，所采用的方式与现在使用 Blue Prism® Interact 等工具的方式完全相同，以便在必要时审查决策。
2. 某些数据隐私法律要求组织使用统计模型对员工作出决策/预测，确保模型在统计学上足够准确并避免歧视，以便公平地处理个人信息。随着用户继续训练模型，模型的准确度不断更新，并且由用户自行决定继续训练模型（通过提供足够的样本）使其达到他们所预期的足够准确度，再在生产流程中利用决策能力。
3. 为遵守透明原则，某些数据隐私法要求组织告知人们如何在机器学习系统中处理个人数据，包括能够解释任何决策的依据。Decision 建立在简易和可审计的原则之上。在流程中使用该模型后，您可以查看记录每个输入、输出、可信度评分和输出决策的审计日志。此信息适用于预测列表。