Düzenleme iş akışında kullanılan terimler ve tanımlar
Düzenleme iş akışını kullanırken karşılaşabileceğiniz tanımlardan ve terimlerden bazıları hakkında bilgi edinmek için bu makaleyi kullanın.
F1 puanı
F1 puanı Duyarlık ve Yakalama işlevinin bir işlevidir. Duyarlık ve yakalama arasında bir denge ararken bu gereklidir.
Amaç
Amaç, kullanıcının gerçekleştirmek istediği bir görevi veya eylemi temsil eder. Bu, kullanıcının girişinde uçuş rezervasyonu veya fatura ödeme gibi ifade edilen bir amaç veya hedeftir.
Model
Model, belirli bir görevi yerine getirmek için eğitilmiş bir nesnedir. Bu örnekte konuşma görevleri anlama. Modeller, daha sonra konuşmaları anlamak için kullanılabilmesi için öğrenmeniz gereken etiketli veriler sağlayarak eğitilir.
- Model değerlendirmesi , modelinizin ne kadar iyi performans sergilediğini öğrenmek için eğitimden hemen sonra gerçekleşen işlemdir.
- Dağıtım, modelinizi tahmin API'si aracılığıyla kullanılabilir hale getirmek için bir dağıtıma atama işlemidir.
Fazla uygunluk
Fazla uygunluk, model belirli örneklere sabitlendiğinde ve genelleştirilemediğinde gerçekleşir.
Duyarlık
Modelinizin ne kadar hassas/doğru olduğunu ölçer. Doğru tanımlanmış pozitifler (gerçek pozitifler) ile tüm tanımlanan pozitifler arasındaki orandır. Duyarlık ölçümü, tahmin edilen sınıflardan kaçının doğru etiketlendiğini gösterir.
Proje
Proje, verilerinize göre özel ML modellerinizi oluşturmaya yönelik bir çalışma alanıdır. Projenize yalnızca siz ve kullanılmakta olan Azure kaynağına erişimi olan diğer kişiler erişebilir.
Geri çek
Modelin gerçek pozitif sınıfları tahmin etme yeteneğini ölçer. Tahmin edilen gerçek pozitifler ile gerçekte etiketlenenler arasındaki orandır. Geri çekme ölçümü, tahmin edilen sınıflardan kaçının doğru olduğunu gösterir.
Şema
Şema, projenizdeki amaçların birleşimi olarak tanımlanır. Şema tasarımı, projenizin başarısının önemli bir parçasıdır. Şema oluştururken projenize hangi amaçların dahil edilmesi gerektiğini düşünmek istiyorsunuz
Eğitim verileri
Eğitim verileri, modeli eğitmek için gereken bilgi kümesidir.
İfade
Konuşma, konuşmadaki bir cümlenin kısa metin temsili olan kullanıcı girişidir. "Önümüzdeki Salı Seattle'a 2 bilet rezervasyonu" gibi doğal bir dil ifadesidir. Modeli eğitmek için örnek konuşmalar eklenir ve model çalışma zamanında yeni konuşma hakkında tahminde bulunur