De evaluatie en details van het aangepaste NER-model weergeven
Nadat de training van uw model is voltooid, kunt u de prestaties van het model bekijken en de geëxtraheerde entiteiten voor de documenten in de testset bekijken.
Notitie
Als u de optie De testset automatisch splitsen uit trainingsgegevens gebruikt, kan dit resulteren in een ander modelevaluatieresultaat wanneer u een nieuw model traint, omdat de testset willekeurig uit de gegevens wordt geselecteerd. Als u ervoor wilt zorgen dat de evaulatie wordt berekend op dezelfde testset wanneer u een model traint, gebruikt u de optie Een handmatige splitsing van training- en testgegevens gebruiken bij het starten van een trainingstaak en definieert u uw testdocumenten bij het labelen van gegevens.
Vereisten
Voordat u modelevaluatie bekijkt, hebt u het volgende nodig:
- Een project dat is gemaakt met een geconfigureerd Azure Blob Storage-account.
- Tekstgegevens die zijn geüpload naar uw opslagaccount.
- Gelabelde gegevens
- Een model dat is getraind
Zie de levenscyclus van projectontwikkeling voor meer informatie.
Modeldetails
Ga naar uw projectpagina in Language Studio.
Selecteer Modelprestaties in het menu aan de linkerkant van het scherm.
Op deze pagina kunt u alleen de met succes getrainde modellen, F1-score voor elk model en de vervaldatum van het model bekijken. U kunt de naam van het model selecteren voor meer informatie over de prestaties.
Notitie
Entiteiten die niet zijn gelabeld of voorspeld in de testset, maken geen deel uit van de weergegeven resultaten.
- Overzicht
- Prestaties van entiteitstype
- Details van testset
- Distributie van gegevenssets
- Verwarringsmatrix
Op dit tabblad kunt u de details van het model bekijken, zoals: F1-score, precisie, terugroepactie, datum en tijd voor de trainingstaak, totale trainingstijd en het aantal trainings- en testdocumenten dat in deze trainingstaak is opgenomen.
U ziet ook richtlijnen voor het verbeteren van het model. Wanneer u op Details weergeven klikt, wordt er een zijpaneel geopend met meer richtlijnen voor het verbeteren van het model. In dit voorbeeld worden de entiteiten BorrowerAddress en BorrowerName verward met $none entiteit. Als u op de verwarde entiteiten klikt, gaat u naar de pagina voor het labelen van gegevens om meer gegevens te labelen met de juiste entiteit.
Meer informatie over modelrichtlijnen en verwarringsmatrix in modelprestatieconcepten .
Modelgegevens laden of exporteren
Uw modelgegevens laden :
Selecteer een model op de pagina modelevaluatie .
Selecteer de knop Modelgegevens laden .
Controleer of u geen niet-opgeslagen wijzigingen hebt die u moet vastleggen in het venster dat wordt weergegeven en selecteer Gegevens laden.
Wacht totdat uw modelgegevens weer in uw project zijn geladen. Na voltooiing wordt u teruggeleid naar de pagina Schemaontwerp .
Uw modelgegevens exporteren :
Selecteer een model op de pagina modelevaluatie .
Selecteer de knop Modelgegevens exporteren . Wacht tot de JSON-momentopname van uw model lokaal is gedownload.
Model verwijderen
Uw model verwijderen vanuit Language Studio:
Selecteer Modelprestaties in het menu aan de linkerkant.
Selecteer de modelnaam die u wilt verwijderen en selecteer Verwijderen in het bovenste menu.
Selecteer OK in het venster dat wordt weergegeven om het model te verwijderen.
Volgende stappen
- Uw model implementeren
- Meer informatie over de metrische gegevens die worden gebruikt bij de evaluatie.
Feedback
https://aka.ms/ContentUserFeedback.
Binnenkort beschikbaar: In de loop van 2024 zullen we GitHub-problemen geleidelijk uitfaseren als het feedbackmechanisme voor inhoud en deze vervangen door een nieuw feedbacksysteem. Zie voor meer informatie:Feedback verzenden en weergeven voor