Gestionar el model a AI Builder
Crear el model òptim per al vostre negoci pot ser un procés bastant iteratiu. Els resultats poden variar en funció de les configuracions que configureu i de les dades d'entrenament que proporcioneu. L'actualització d'aquests factors pot millorar el rendiment del model. En alguns casos, però, el rendiment es pot degradar. Cada tipus de model d'IA té un conjunt de directrius per ajudar-vos en el procés de creació del millor model, adaptat a les vostres necessitats.
Després d'entrenar el model per primera vegada, podeu avaluar-ne el rendiment i la qualitat a la pàgina de detalls.
En funció del tipus de model d'IA, pot aparèixer una puntuació de rendiment per a cada versió entrenada. Podeu utilitzar aquesta puntuació per comparar ràpidament dues versions del mateix model. Tanmateix, recordeu que la puntuació es basa en la configuració d'aquest entrenament. Assegureu-vos de tenir en compte els canvis que hàgiu fet entre versions quan compareu les puntuacions.
Cada tipus de model d'IA té una explicació diferent de com es calcula la puntuació i com s'ha d'interpretar la puntuació. Consulteu el consell d'eina al costat de Rendiment per obtenir més informació.
Alguns tipus de models d'IA inclouen una funció per provar ràpidament el rendiment de la vostra versió entrenada amb dades reals que trieu. Seleccioneu Prova ràpida per veure el model en acció.
Un cop hàgiu acabat d'avaluar el model acabat d'entrenar, teniu dues opcions:
- Publicar el model: per obtenir més informació sobre quan publicar un model, vegeu Quan he de publicar el meu model?.
- Crear una versió nova: per obtenir més informació sobre quan crear una versió nova, consulta Quan he de crear una versió nova?.
Un model d'underfit és un model que en realitat funciona pitjor que una suposició aleatòria. Si el vostre model funciona malament de manera constant, probablement sigui una indicació que hi ha un problema amb les vostres dades d'entrenament. Els camps que utilitzeu són rellevants per al tipus de determinació que pretén fer el vostre model? Hi ha errors d'entrada de dades o altres problemes que estan desviant el vostre model?
Un model d'overfit sembla funcionar molt bé, si no perfectament, quan s'executa amb les vostres dades d'entrenament. Això pot ser perquè hi ha una columna a les vostres dades d'entrenament que correspon directament al resultat. Per exemple, suposem que teniu un model de predicció que prediu si un enviament arribarà a temps. Si les dades històriques inclouen la data de lliurament real, el model prediria perfectament quan s'executi amb les dades històriques. Probablement no funcionaria tan bé quan s'executés amb dades reals en el vostre entorn empresarial, perquè la columna de data de lliurament encara no s'ompliria.
- A la part superior de la pàgina, seleccioneu Configuració.
- A les subfinestres Configuració del model de la dreta, a Nom, introduïu un nom diferent. Depenent del tipus de model d'IA, és possible que primer hàgiu de seleccionar la secció General .
- Seleccioneu Desa.
Per crear una versió nova, seleccioneu Edita el model a la part superior de la pàgina.
Podeu tenir fins a dues versions entrenades disponibles alhora: una versió publicada i una última versió entrenada que no s'ha publicat. Si entreneu una nova versió quan ja existeix una darrera versió entrenada, se sobreescriu l'última versió entrenada existent.
Quan creeu una versió nova, el model es basa en la configuració d'una versió existent: la versió publicada o la darrera versió entrenada. Si teniu tots dos, heu de triar des de quin voleu crear la nova versió.
Només es crea una versió nova després d'haver-la entrenat correctament. Si marxeu sense acabar els canvis i entrenar el model, el vostre progrés es desa com a esborrany. És possible que algunes accions, com ara crear una versió nova o tornar a entrenar, estiguin inhabilitades fins que entrenes o descartis l'esborrany. Només podeu tenir un esborrany disponible alhora, de manera que heu de seleccionar Reprendre l'esborrany per reprendre on ho vau deixar o Descartar l'esborrany per desfer-vos dels canvis abans de poder continuar.
Després de l'entrenament, els resultats de l'entrenament apareixeran a la secció Darrera versió entrenada de la pàgina Detalls .
Si esteu satisfet amb la vostra última versió entrenada, podeu publicar el vostre model per fer-lo disponible. En cas contrari, sempre podeu crear una versió nova.
Podeu crear una versió nova del model per millorar el rendiment o la qualitat del model. Això depèn del tipus de model d'IA: alguns models es poden millorar actualitzant la configuració i alguns models es poden millorar actualitzant les dades d'entrenament.
A causa de la naturalesa experimental de l'Aprenentatge automàtic, no totes les versions noves que creeu donaran lloc a un augment del rendiment del model. Si no esteu satisfet amb el vostre model, podeu crear una nova versió per intentar obtenir millors resultats.
Si esteu satisfet amb el vostre model, podeu publicar-lo per posar-lo a disposició. Com que només podeu tenir dues versions entrenades disponibles alhora, potser voldreu publicar un model que no voleu que se sobreescrigui amb una versió nova.
Per obtenir més informació sobre els matisos de millorar el rendiment del model, vegeu el missatge que hi ha a sota de la puntuació de precisió.
Mentre que l'entrenament crea una versió nova actualitzant la configuració, el reentrenament crea una versió nova que utilitza la mateixa configuració que la versió actual. L'avantatge del reentrenament és que estudiarà qualsevol dada nova perquè el vostre model es mantingui precís al llarg del temps. Aquesta acció només s'aplica a determinats tipus de models d'IA.
Inicieu la sessió a Power Apps.
A la subfinestra esquerra, seleccioneu AI Builder>Models.
Seguiu els passos del tipus de model.
Per als models de predicció i Classificació de categories, a la secció Rendiment , seleccioneu el menú (...) i, a continuació, seleccioneu Torna a entrenar ara.
Això substitueix la darrera versió entrenada. Si esteu preparats, publiqueu aquesta versió.
Realitzeu aquests passos en cadascun dels vostres AI Builder models per tornar a posar en marxa els vostres models d'IA.