Training mit Mischen

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

Mischen ist der erste Schritt in der Erkundungsphase und dient dazu, Benutzern eine zufällige Auswahl an Nachrichten zur Verfügung zu stellen, die sie überprüfen sollen. Im Mischmodus zeigt Ihnen die Plattform Nachrichten an, die Vorhersagen haben, die alle Beschriftungen abdecken, und in denen es keine gibt. Der Schritt Mischen unterscheidet sich daher von den anderen in Explore , da er sich nicht auf eine bestimmte Beschriftung zum Trainieren konzentriert, sondern sie alle abdeckt.

Die Wichtigkeit des Trainings im Mischmodus

Die Verwendung des Mischmodus ist sehr wichtig, um sicherzustellen, dass Sie Ihrem Modell ausreichend Trainingsbeispiele zur Verfügung stellen, die für das Dataset als Ganzes repräsentativ sind und nicht verzerrt sind, indem Sie sich nur auf sehr bestimmte Bereiche der Daten konzentrieren.

Insgesamt sollten sich mindestens 10 % des Trainings, das Sie in Ihrem Dataset durchführen, im Mischmodus befinden.

Das Hinzufügen von Anmerkungen im Mischmodus trägt im Wesentlichen dazu bei, sicherzustellen, dass Ihre Taxonomie die Daten in Ihrem Dataset gut abdeckt, und verhindert, dass Sie ein Modell erstellen, das nur für einen kleinen Teil der Daten innerhalb des Datasets sehr genaue Vorhersagen machen kann.

Das Durchsuchen von Nachrichten im Mischmodus ist daher eine einfache Möglichkeit, ein Gefühl für das Gesamtmodell zu bekommen und kann während des gesamten Trainingsprozesses darauf zurückgegriffen werden. In einer gut trainierten Taxonomie sollten Sie in der Lage sein, alle nicht überprüften Nachrichten auf Mischen durchzugehen und einfach Vorhersagen zu akzeptieren, um das Modell weiter zu trainieren. Wenn viele der Vorhersagen falsch sind, können Sie sehen, welche Beschriftungen mehr Training erfordern.

Das Durchgehen mehrerer Seiten mit Mischen im späteren Trainingsprozess ist auch eine gute Möglichkeit, um zu überprüfen, ob Absichten oder Konzepte vorhanden sind, die nicht von Ihrer Taxonomie erfasst wurden und hätten. Sie können dann bei Bedarf vorhandene Beschriftungen hinzufügen oder bei Bedarf neue erstellen.

Wichtige Schritte

1. Wählen Sie Mischen aus dem Dropdownmenü aus, um 20 zufällige Nachrichten zu erhalten.
2. Filtern Sie nach nicht überprüften Nachrichten.
3. Überprüfen Sie jede Nachricht und alle zugehörigen Vorhersagen:
   • Wenn Vorhersagen vorhanden sind, sollten Sie diese entweder bestätigen oder ablehnen. Bestätigen Sie, indem Sie die zutreffenden Optionen auswählen.
   • Sie sollten auch alle anderen zusätzlichen Beschriftungen, die zutreffen, hinzufügen.
   • Wenn Sie die Vorhersagen ablehnen, sollten Sie alle richtigen Beschriftungen anwenden. Stellen Sie sicher, dass Sie die Nachricht nicht ohne angewendete Beschriftungen verlassen.

4. Sie können auch auf die Schaltfläche „Aktualisieren“ klicken, um eine neue Reihe von Nachrichten zu erhalten, oder mit der nächsten Seite fortfahren, indem Sie die Seitenzahlen oder Pfeile auswählen.

Es wird empfohlen, mindestens 10 Seiten mit Nachrichten in Mischen mit Anmerkungen zu versehen. In großen Datasets, die viele Trainingsbeispiele enthalten, kann dies viel mehr sein.

Hinweis: Sie sollten mindestens 10 % des gesamten Trainings im Mischmodus abschließen.