預測分數表示意圖和實體的預測準確性

重要

LUIS 將於 2025 年 10 月 1 日淘汰，而自 2023 年 4 月 1 日開始，您將無法建立新的 LUIS 資源。 建議您將 LUIS 應用程式移轉至交談語言理解，以享受持續的產品支援和多語言功能優點。

預測分數表示 LUIS 對使用者語句預測結果的信賴程度。

預測分數介於零 (0) 到一 (1) 之間。 高信賴度 LUIS 分數的範例是 0.99。 低信賴度的範例是 0.01。

分數值	信賴度
1	明確相符
0.99	高信賴度
0.01	低信賴度
0	明確不相符

最高分的意圖

每個語句預測都會傳回一個最高分的意圖。 此預測是預測分數的數值比較。

分數彼此相近

最高的 2 個分數之間可能差異很小。 LUIS 並不會指出此微小差異，而只會傳回最高分數。

傳回所有意圖的預測分數

測試或端點結果可以包含所有意圖。 您可以使用正確的查詢字串名稱/值對，在端點上進行此設定。

預測 API	查詢字串名稱
V3	show-all-intents=true
V2	verbose=true

檢閱具有相似分數的意圖

檢閱所有意圖的分數是一個很好的方式，不僅可確認所識別的意圖正確，也可確認下一個所識別意圖的分數對語句而言明顯一致較低。

如果有多個意圖的預測分數相近，則 LUIS 可能會根據語句的內容，在意圖之間做切換。 若要修正此狀況，請繼續將語句新增至具有更廣泛內容差異的每個意圖，或者也可以讓用戶端應用程式 (例如聊天機器人) 以程式設計方式選擇如何處理最熱門的 2 個意圖。

這 2 個分數過於接近的意圖可能會因為非決定性訓練而反轉。 第一高分可能會變成第二高分，而第二高分可能會變成第一高分。 若要避免發生此狀況，可一一對該語句的兩個最高分意圖新增範例語句，而其中需具有可區分 2 個意圖的文字選擇和內容。 兩個意圖應具有相同數目的範例語句。 若要避免因為訓練而發生反轉，區隔語句的經驗法則是分數上要有 15% 的差異。

您可以使用所有資料來定型，以關閉非決定性定型。

不同定型工作階段之間預測上的差異

當您在不同應用程式中為相同的模型定型，而且分數不同時，此差異是因為有非決定性定型 (隨機性元素)。 其次，當語句與多個意圖有任何重疊時，即意謂著相同語句的最高分意圖會根據定型變更。

如果您的聊天機器人需要有特定的 LUIS 分數，才能指出對某個意圖的信賴度，您就應該使用兩個最高分意圖之間的分數差異。 這種情況可以在定型中提供變化的彈性。

您可以使用所有資料來定型，以關閉非決定性定型。

E (指數) 標記法

預測分數可以使用指數標記法，「顯示成」9.910309E-07高於 0-1 的範圍，例如 。 此分數表示一個非常小的數字。

E 標記法分數	實際分數
9.910309E-07	.0000009910309

應用程式設定

使用應用程式設定來控制變音符號和標點符號對預測分數的影響。

下一步

請參閱新增實體，以深入了解如何將實體新增至 LUIS 應用程式。