Training mit niedriger Konfidenz

Hinweis: Sie müssen die Berechtigungen Quelle – Lesen und Dataset – Überprüfen als Automation Cloud-Benutzer oder die Berechtigungen Anzeigen Quellen anzeigen und Überprüfen und Kommentieren als Legacy-Benutzer zugewiesen haben.

Der letzte wichtige Schritt in Explore ist das Training im Modus mit niedriger Konfidenz , der Ihnen Nachrichten anzeigt, die durch informative Beschriftungsvorhersagen nicht gut abgedeckt werden. Diese Nachrichten haben entweder keine Vorhersagen oder Vorhersagen mit sehr geringer Konfidenz für Beschriftungen, die die Plattform als informativ verstehen.

Informative Beschriftungen sind solche Beschriftungen, die die Plattform als nützlich für eigenständige Beschriftungen versteht, indem die Häufigkeit betrachtet wird, mit der sie mit anderen Beschriftungen zugewiesen werden.

Dies ist ein sehr wichtiger Schritt zur Verbesserung der Gesamtabdeckung Ihres Modells. Wenn Sie Nachrichten sehen, für die vorhandene Beschriftungen vorhergesagt werden sollten, ist dies ein Zeichen dafür, dass Sie weitere Trainings für diese Beschriftungen durchführen müssen. Wenn Sie relevante Nachrichten identifizieren, für die keine aktuelle Beschriftung gilt, können Sie neue Beschriftungen erstellen, um sie zu erfassen.

Um auf den Modus „Niedrige Konfidenz“ zuzugreifen, verwenden Sie das Dropdown-Menü auf der Seite „ Durchsuchen“ , wie in der folgenden Abbildung gezeigt:

Der erforderliche Trainingsumfang

Im Modus mit niedriger Konfidenz erhalten Sie 20 Nachrichten auf einmal. Sie sollten in diesem Modus einen angemessenen Trainingsaufwand durchführen, indem Sie mehrere Seiten mit Nachrichten durchgehen und die richtigen Beschriftungen anwenden, um die Abdeckung des Modells zu erhöhen. Eine detaillierte Erklärung der Abdeckung finden Sie unter Wann Sie das Training Ihres Modells beenden sollten.

Der Gesamtumfang des Trainings, das Sie mit geringer Konfidenz durchführen müssen, hängt von verschiedenen Faktoren ab:

• Wie viel Training Sie in Mischen und Teach abgeschlossen haben. Je mehr Training Sie in Mischen und Teach durchführen, desto mehr sollte Ihr Trainingssatz ein repräsentatives Beispiel für das Dataset als Ganzes sein und desto weniger relevante Nachrichten sollten in Niedrige Konfidenz vorhanden sein.
• Der Zweck des Datasets. Wenn das Dataset für die Automatisierung verwendet werden soll und eine sehr hohe Abdeckung erfordert, sollten Sie einen größeren Anteil des Trainings in niedriger Konfidenz durchführen, um die verschiedenen Randfälle für jede Beschriftung zu identifizieren.

Sie sollten mindestens fünf Seiten mit Nachrichten in diesem Modus mit Anmerkungen versehen. Später in der Verfeinerungsphase , wenn Sie Ihre Abdeckung überprüfen, stellen Sie möglicherweise fest, dass Sie mehr Training in geringer Konfidenz absolvieren müssen, um Ihre Abdeckung weiter zu verbessern.