Özel NER modelinin değerlendirmesini ve ayrıntılarını görüntüleme
Modeliniz eğitimi tamamladıktan sonra, model performansını görüntüleyebilir ve test kümesindeki belgeler için ayıklanan varlıkları görebilirsiniz.
Not
Test kümesini eğitim verilerinden otomatik olarak böl seçeneğinin kullanılması, test kümesi verilerden rastgele seçildiğinden her yeni modeli eğitişinizde farklı model değerlendirme sonuçlarına neden olabilir. Bir modeli her eğittiğinizde, buharlaştırmanın aynı test kümesinde hesaplandığından emin olmak için, eğitim işini başlatırken Eğitim ve test verilerinin el ile bölünmesini kullan seçeneğini kullandığınızdan ve verileri etiketlerkenTest belgelerinizi tanımladığınızdan emin olun.
Önkoşullar
Model değerlendirmesini görüntülemeden önce şunları yapmanız gerekir:
- Yapılandırılmış bir Azure blob depolama hesabıyla başarıyla oluşturulmuş bir proje .
- Depolama hesabınıza yüklenmiş metin verileri.
- Etiketli veriler
- Başarıyla eğitilmiş bir model
Daha fazla bilgi için bkz. proje geliştirme yaşam döngüsü .
Model ayrıntıları
Language Studio'da proje sayfanıza gidin.
Ekranın sol tarafındaki menüden Model performansı'nı seçin.
Bu sayfada yalnızca başarıyla eğitilen modelleri, her model için F1 puanını ve modelin son kullanma tarihini görüntüleyebilirsiniz. Performansı hakkında daha fazla ayrıntı için model adını seçebilirsiniz.
Not
Test kümesinde etiketlenmemiş veya tahmin edilmeyen varlıklar, görüntülenen sonuçların bir parçası olmayacaktır.
Bu sekmede modelin eğitim işi için F1 puanı, duyarlık, yakalama, tarih ve saat, toplam eğitim süresi ve bu eğitim işine dahil edilen eğitim ve test belgelerinin sayısı gibi ayrıntılarını görüntüleyebilirsiniz.
Modelin nasıl geliştirileceğine ilişkin yönergeleri de göreceksiniz. Görünüm ayrıntılarına tıklandığında, modelin nasıl geliştirileceğine ilişkin daha fazla rehberlik sağlamak için bir yan panel açılır. Bu örnekte , BorrowerAddress ve BorrowerName varlıkları $none varlıkla karıştırılır. Kafası karışmış varlıklara tıklayarak, daha fazla veriyi doğru varlıkla etiketlemek için veri etiketleme sayfasına yönlendirilirsiniz.
Model performansı kavramlarında model kılavuzu ve karışıklık matrisi hakkında daha fazla bilgi edinin.
Model verilerini yükleme veya dışarı aktarma
Model verilerinizi yüklemek için:
Model değerlendirme sayfasında herhangi bir modeli seçin.
Model verilerini yükle düğmesini seçin.
Görüntülenen pencerede yakalamanız gereken kaydedilmemiş değişiklik olmadığını onaylayın ve Verileri yükle'yi seçin.
Model verilerinizin projenize yüklenmesi bitene kadar bekleyin. Tamamlandığında Şema tasarımı sayfasına geri yönlendirilirsiniz.
Model verilerinizi dışarı aktarmak için:
Model değerlendirme sayfasında herhangi bir modeli seçin.
Model verilerini dışarı aktar düğmesini seçin. Modelinizin JSON anlık görüntüsünün yerel olarak indirilmesi için bekleyin.
Modeli silme
Modelinizi Language Studio'dan silmek için:
Sol taraftaki menüden Model performansı'nı seçin.
Silmek istediğiniz model adını seçin ve üstteki menüden Sil'i seçin.
Görüntülenen pencerede Tamam'ı seçerek modeli silin.
Sonraki adımlar
- Modelinizi dağıtma
- Değerlendirmede kullanılan ölçümler hakkında bilgi edinin.
Geri Bildirim
https://aka.ms/ContentUserFeedback.
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz.Gönderin ve geri bildirimi görüntüleyin