Xestiona o teu modelo en AI Builder
Crear o modelo óptimo para o teu negocio pode ser un proceso bastante iterativo. Os resultados poden variar dependendo das configuracións que estableza e dos datos de adestramento que proporcione. A actualización destes factores pode mellorar o rendemento do teu modelo. Non obstante, nalgúns casos, o rendemento pode verse degradado. Cada tipo de modelo de IA ten un conxunto de directrices para axudarche no proceso de creación do mellor modelo, adaptado ás túas necesidades.
Despois de adestrar o seu modelo por primeira vez, pode avaliar o seu rendemento e calidade na súa páxina de detalles.
Dependendo do teu tipo de modelo de IA, pode aparecer unha puntuación de rendemento para cada versión adestrada. Podes usar esta partitura para comparar rapidamente dúas versións do mesmo modelo. Non obstante, recorda que a puntuación baséase na configuración para ese adestramento. Asegúrate de ter en conta os cambios que fixeches entre versións cando compares as puntuacións.
Cada tipo de modelo de IA ten unha explicación diferente de como se calcula a puntuación e como se debe interpretar. Consulta a información sobre ferramentas xunto a Rendemento para obter máis información.
Algúns tipos de modelos de IA inclúen unha función para probar rapidamente o rendemento da túa versión adestrada cos datos reais que elixas. Selecciona Proba rápida para ver o teu modelo en acción.
Despois de rematar de avaliar o seu modelo recén adestrado, tes dúas opcións:
- Publica o teu modelo: para obter máis información sobre cando publicar un modelo, consulta Cando debo publicar o meu modelo?.
- Crear unha nova versión: para obter máis información sobre cando crear unha nova versión, consulte Cando debo crear unha nova versión?.
Un modelo de equipamento inferior é un modelo que en realidade funciona peor que unha suposición aleatoria. Se o teu modelo ten un mal rendemento, probablemente sexa un indicio de que hai un problema cos teus datos de adestramento. Os campos que estás a utilizar son relevantes para o tipo de determinación que pretende facer o teu modelo? Existen erros de entrada de datos ou outros problemas que están a desviar o seu modelo?
Un modelo sobrefit parece ter un rendemento moi bo, se non perfectamente, cando se executa cos datos de adestramento. Isto pode deberse a que hai unha columna nos datos de adestramento que se corresponde directamente co resultado. Por exemplo, digamos que tes un modelo de predición que predí se un envío chegará a tempo. Se os teus datos históricos inclúen a data de entrega real, o teu modelo prediciría perfectamente cando se compara cos teus datos históricos. Probablemente non funcionaría tan ben cando se executase con datos reais no seu entorno empresarial, porque a columna da data de entrega aínda non se enchería.
- Na parte superior da páxina, selecciona Configuración.
- Nos paneis Configuración do modelo á dereita, en Nome, introduce un nome diferente. Segundo o teu tipo de modelo de IA, é posible que teñas que seleccionar primeiro a sección Xeral .
- Seleccione Gardar.
Para crear unha nova versión, selecciona Editar modelo na parte superior da páxina.
Podes ter dispoñibles ata dúas versións adestradas á vez: unha Versión publicada e unha Última versión adestrada que non está publicado. Se adestras unha nova versión cando xa existe unha última versión adestrada, a última versión adestrada existente sobrescríbese.
Cando creas unha nova versión, o teu modelo baséase na configuración dunha versión existente: a túa versión publicada ou a túa última versión adestrada. Se tes os dous, tes que escoller cal queres crear a nova versión.
Só se crea unha nova versión despois de que a adestras con éxito. Se marchas sen rematar os cambios e adestrar o modelo, o teu progreso gárdase como borrador. Algunhas accións, como crear unha nova versión ou reciclar, poden estar desactivadas ata que adestras ou descartes o teu borrador. Só podes ter un borrador dispoñible á vez, polo que tes que seleccionar Retomar borrador para retomar onde o deixaches ou Descartar borrador para desfacerse dos cambios antes de poder continuar.
Despois do adestramento, os resultados do adestramento aparecen na sección Última versión adestrada da páxina Detalles .
Se estás satisfeito coa túa última versión adestrada, podes publicar o teu modelo para que estea dispoñible. En caso contrario, sempre podes crear unha nova versión.
Podes crear unha nova versión do teu modelo para axudar a mellorar o rendemento ou a calidade do modelo. Isto depende do tipo de modelo de IA: algúns modelos pódense mellorar actualizando a configuración e algúns modelos poden mellorarse actualizando os datos de adestramento.
Debido á natureza experimental de Aprendizaxe automático, non todas as versións novas que crees provocarán un aumento do rendemento do modelo. Se non estás satisfeito co teu modelo, podes crear unha nova versión para tentar obter mellores resultados.
Se estás satisfeito co teu modelo, podes publicalo para poñelo dispoñible. Como só pode ter dúas versións adestradas dispoñibles á vez, é posible que queira publicar un modelo que non quere que se sobrescriba cunha nova versión.
Para obter máis información sobre os matices para mellorar o rendemento do modelo, consulta a mensaxe debaixo do teu puntuación de precisión.
Mentres que a formación crea unha nova versión actualizando a súa configuración, a reciclaxe crea unha nova versión que usa a mesma configuración que a súa versión actual. O beneficio da reciclaxe é que estudará calquera dato novo para que o seu modelo se manteña preciso ao longo do tempo. Esta acción só é aplicable a determinados tipos de modelos de IA.
Inicie sesión en Power Apps.
No panel esquerdo, selecciona AI Builder>Modelos.
Siga os pasos para o seu tipo de modelo.
Para os modelos predición e Clasificación de categorías, na sección Rendemento , seleccione o menú (…) e despois seleccione Readestrar agora.
Isto substitúe a túa última versión adestrada. Se estás listo, publica esta versión.
Sigue estes pasos en cada un dos teus AI Builder modelos para que os teus modelos de IA se poñan en funcionamento de novo.