Entrenamiento de un modelo de clasificación de texto personalizado

  • Artículo

El entrenamiento es el proceso en el que el modelo aprende de los datos etiquetados. Una vez que se complete el entrenamiento, podrá ver el rendimiento del modelo para determinar si necesita mejorar el modelo.

Para entrenar un modelo, inicie un trabajo de entrenamiento. Solo los trabajos completados correctamente crean un modelo utilizable. Los trabajos de entrenamiento expiran después de siete días. Después de este período, no podrá recuperar los detalles del trabajo. Si el trabajo de entrenamiento se completó correctamente y se creó un modelo, no se verá afectado por la expiración del trabajo. Solo puede tener un trabajo de entrenamiento ejecutándose a la vez y no puede iniciar otros trabajos en el mismo proyecto.

Los tiempos de entrenamiento pueden oscilar desde unos minutos cuando se trabaja con pocos documentos, hasta varias horas según el tamaño del conjunto de datos y la complejidad del esquema.

Requisitos previos

Antes de entrenar el modelo, necesita lo siguiente:

Consulte el ciclo de vida del desarrollo de proyectos para más información.

División de datos

Antes de iniciar el proceso de entrenamiento, los documentos etiquetados del proyecto se dividen en un conjunto de entrenamiento y un conjunto de pruebas. Cada uno de ellos sirve una función diferente. El conjunto de entrenamiento se usa en el entrenamiento del modelo. Este es el conjunto desde el que el modelo aprende la clase o las clases asignadas a cada documento. El conjunto de pruebas es un conjunto ciego que no se introduce en el modelo durante el entrenamiento, sino solo durante la evaluación. Una vez entrenado correctamente el modelo, se usa para realizar predicciones de los documentos del conjunto de pruebas. En función de estas predicciones, se calcularán lasmétricas de evaluación del modelo. Se recomienda asegurarse de que todas las clases se representan adecuadamente en el conjunto de entrenamiento y pruebas.

La clasificación de texto personalizado admite dos métodos para la división de datos:

  • Dividir automáticamente el conjunto de pruebas de los datos de entrenamiento: el sistema dividirá los datos etiquetados entre los conjuntos de entrenamiento y pruebas, según los porcentajes especificados. El sistema intentará tener una representación de todas las clases del conjunto de entrenamiento. La división de porcentaje recomendada es del 80 % para el entrenamiento y el 20 % para las pruebas.

Nota:

Si elige la opción Automatically splitting the testing set from training data (Dividir automáticamente el conjunto de pruebas de los datos de entrenamiento), solo los datos asignados al conjunto de entrenamiento se dividirán según los porcentajes proporcionados.

  • Usar una división manual de datos de entrenamiento y pruebas: este método permite a los usuarios definir qué documentos etiquetados deben pertenecer al conjunto. Este paso solo está habilitado si ha agregado documentos al conjunto de pruebas durante el etiquetado de datos.

Entrenamiento de un modelo

Para empezar a entrenar el modelo desde Language Studio:

  1. Seleccione Trabajos de entrenamiento en el menú de la izquierda.

  2. Seleccione Iniciar un trabajo de entrenamiento en el menú superior.

  3. Seleccione Train a new model (Entrenar un nuevo modelo) y escriba el nombre del modelo en el cuadro de texto. Para sobrescribir un modelo existente, seleccione esta opción y elija el modelo que quiera sobrescribir del menú desplegable. La sobrescritura de un modelo entrenado es irreversible, pero no afectará a los modelos implementados hasta que implemente el nuevo modelo.

    Crear un trabajo de entrenamiento

  4. Seleccione el método de división de datos. Puede elegir Automatically splitting the testing set from training data (Dividir automáticamente el conjunto de pruebas de los datos de entrenamiento), y el sistema dividirá los datos etiquetados entre los conjuntos de entrenamiento y pruebas, según los porcentajes especificados. También puede usar una división manual de datos de entrenamiento y pruebas; esta opción solo está habilitada si ha agregado documentos al conjunto de pruebas durante el etiquetado de datos. Consulte Entrenamiento de un modelo para obtener información sobre la división de datos.

  5. Seleccione el botón Entrenar.

  6. Si selecciona el id. de trabajo de entrenamiento de la lista, aparecerá un panel lateral donde podrá comprobar el Progreso del entrenamiento, el Estado del trabajo y otros detalles de este trabajo.

    Nota

    • Los trabajos de entrenamiento completados correctamente serán los únicos que generarán modelos.
    • El tiempo para entrenar el modelo puede llevar entre unos minutos y varias horas en función del tamaño de los datos etiquetados.
    • Solo puede haber un trabajo de entrenamiento ejecutándose en un momento dado. No se puede iniciar otro trabajo de entrenamiento dentro del mismo proyecto hasta que se complete el trabajo en ejecución.

Cancelación del trabajo de entrenamiento

Para cancelar un trabajo de entrenamiento en Language Studio, vaya a la página Trabajos de entrenamiento. Seleccione el trabajo de entrenamiento que desea cancelar y haga clic en Cancelar en el menú superior.

Pasos siguientes

Una vez completado el entrenamiento, podrá ver el rendimiento del modelo para opcionalmente mejorar el modelo, si es necesario. Una vez que esté satisfecho con el modelo, puede implementarlo, para que pueda usarse para clasificar texto.