Visa textklassificeringsmodellens utvärdering och information
När din modell har tränat klart kan du visa modellprestanda och se de förutsagda klasserna för dokumenten i testuppsättningen.
Kommentar
Om du använder alternativet Dela upp testuppsättningen automatiskt från träningsdata kan det resultera i olika modellutvärderingsresultat varje gång du tränar en ny modell, eftersom testuppsättningen väljs slumpmässigt från data. Se till att utvärderingen beräknas på samma testuppsättning varje gång du tränar en modell genom att använda alternativet Använd en manuell delning av tränings- och testdata när du startar ett träningsjobb och definierar testdokumenten när du etiketterar data.
Förutsättningar
Innan du visar modellutvärdering behöver du:
- Ett anpassat textklassificeringsprojekt med ett konfigurerat Azure Blob Storage-konto.
- Textdata som har laddats upp till ditt lagringskonto .
- Etiketterade data
- En modell som tränats
Mer information finns i livscykeln för projektutveckling.
Modellinformation
Gå till projektsidan i Language Studio.
Välj Modellprestanda på menyn till vänster på skärmen.
På den här sidan kan du bara visa de modeller som har tränats, F1-poäng för varje modell och modells förfallodatum. Du kan välja modellnamnet för mer information om dess prestanda.
Kommentar
Klasser som varken är märkta eller förutsagda i testuppsättningen kommer inte att ingå i de visade resultaten.
- Översikt
- Prestanda för klasstyp
- Testuppsättningsinformation
- Datauppsättningsdistribution
- Förvirringsmatris
På den här fliken kan du visa modellens information, till exempel: F1-poäng, precision, träffsäkerhet, datum och tid för träningsjobbet, total träningstid och antalet utbildnings- och testdokument som ingår i det här träningsjobbet.
Du får också vägledning om hur du kan förbättra modellen. När du klickar på visa information öppnas en sidopanel för att ge mer vägledning om hur du kan förbättra modellen. I det här exemplet finns det inte tillräckligt med data i träningsuppsättningen för dessa klasser. Det finns också oklar skillnad mellan klasstyper i träningsuppsättningar, där två klasser förväxlas med varandra. Genom att klicka på de förvirrade klasserna kommer du till sidan för dataetiketter för att märka mer data med rätt klass.
Läs mer om modellvägledning och förvirringsmatris i modellprestandabegrepp .
Läsa in eller exportera modelldata
Så här läser du in dina modelldata:
Välj valfri modell på modellutvärderingssidan.
Välj knappen Läs in modelldata.
Bekräfta att du inte har några ändringar som inte har sparats som du behöver avbilda i fönstret som visas och välj Läs in data.
Vänta tills dina modelldata har lästs in i projektet igen. När du är klar omdirigeras du tillbaka till sidan Schemadesign .
Så här exporterar du modelldata:
Välj valfri modell på modellutvärderingssidan.
Välj knappen Exportera modelldata. Vänta tills JSON-ögonblicksbilden av modellen laddas ned lokalt.
Ta bort modell
Så här tar du bort din modell från Language Studio:
Välj Modellprestanda på menyn till vänster.
Välj det modellnamn som du vill ta bort och välj Ta bort på den översta menyn.
I fönstret som visas väljer du OK för att ta bort modellen.
Nästa steg
När du granskar din modells prestanda kan du lära dig mer om de utvärderingsmått som används. När du vet om modellens prestanda behöver förbättras kan du börja förbättra modellen.