Ketentuan dan definisi yang digunakan dalam alur kerja orkestrasi
Gunakan artikel ini untuk mempelajari tentang beberapa ketentuan dan istilah yang mungkin Anda temui saat menggunakan alur kerja orkestrasi.
f-measure
F-measure adalah fungsi dari Presisi dan Pengenalan. Hal ini diperlukan ketika Anda mencari keseimbangan antara Presisi dan Pengenalan.
Niat
Niat mewakili tugas atau tindakan yang ingin dilakukan pengguna. Ini adalah tujuan atau tujuan yang dinyatakan dalam masukan pengguna, seperti memesan penerbangan, atau membayar tagihan.
Model
Model adalah objek yang dilatih untuk melakukan tugas tertentu, dalam tugas pemahaman percakapan. Model dilatih dengan menyediakan data berlabel untuk dipelajari sehingga nantinya bisa digunakan untuk tugas pengenalan.
- Evaluasi model adalah proses yang terjadi tepat setelah pelatihan untuk mengetahui seberapa baik performa model Anda.
- Penyebaran adalah proses menetapkan model Anda ke penyebaran agar membuatnya tersedia untuk digunakan melalui API prediksi.
Overfitting
Overfitting terjadi ketika model terpaku pada contoh tertentu dan tidak dapat diruteralisasi dengan baik.
Presisi
Mengukur seberapa presisi/akurat model Anda. Ini adalah rasio antara positif yang diidentifikasi dengan benar (positif sejati) dan semua positif yang diidentifikasi. Metrik presisi mengungkapkan berapa banyak kelas yang diprediksi diberi label dengan benar.
Project
Proyek adalah area kerja untuk membuat model ML kustom berdasarkan data Anda. Proyek Anda hanya dapat diakses oleh Anda dan orang lain yang memiliki akses kontributor ke sumber daya Azure yang digunakan.
Pengenalan
Mengukur kemampuan model untuk memprediksi kelas positif aktual. Ini adalah rasio antara prediksi positif benar dan yang sebenarnya diberi tag. Metrik pengenalan mengungkapkan berapa banyak kelas yang diprediksi benar.
Skema
Skema didefinisikan sebagai niat kombinasi dalam proyek Anda. Desain skema merupakan bagian penting dari kesuksesan proyek Anda. Saat membuat skema, Anda akan memikirkan niat yang harus dimasukkan ke dalam proyek Anda
Data pelatihan
Data pelatihan adalah kumpulan informasi yang diperlukan untuk melatih model.
Ucapan
Ungkapanadalah input pengguna yang merupakan perwakilan teks pendek dari kalimat dalam percakapan. Ini adalah frasa bahasa alami seperti "pesan 2 tiket ke Seattle Selasa depan". Contoh ungkapan ditambahkan untuk melatih model dan model memprediksi ucapan baru pada waktu proses