Artefactos

Evaluation report

El informe de evaluación es un archivo PDF que contiene la siguiente información en un formato legible por humanos:

• ngramas por clase
• Diagrama de recuperación de precisión
• Informe de clasificación
• Matriz de confusión
• Mejores parámetros del modelo para la búsqueda de hiperparámetros

ngramas por clase

Esta sección contiene los 10 n-gramas principales que afectan a la predicción del modelo para esa clase. Hay una tabla diferente para cada clase en la que se entrena el modelo.

Diagrama de recuperación de precisión

Puedes usar este diagrama y la tabla para comprobar la precisión, la recuperación y las evaluaciones f1 del modelo. Los umbrales y los correspondientes valores de precisión y recuperación también figuran en una tabla debajo de este diagrama. Esta tabla elegirá el umbral que desees configurar en tu flujo de trabajo para decidir cuándo enviar los datos a Action Center para humanos en el bucle. Ten en cuenta que cuanto mayor sea el umbral elegido, mayor será la cantidad de datos que se enrutan a Action Center para humanos en el bucle.

Hay un diagrama de recuperación de precisión para cada clase.

Para ver un ejemplo de un diagrama de recuperación de precisión, consulta la figura siguiente.

Para ver un ejemplo de tabla de recuperación de precisión, consulta la tabla siguiente.

Precisión	Recordar	umbral
0.8012232415902141	0.6735218508997429	0.30539842728983285
0.8505338078291815	0.6143958868894601	0.37825683923133907
0.9005524861878453	0.4190231362467866	0.6121292357073038
0.9514563106796117	0.2519280205655527	0.7916427288647211

Informe de clasificación

El informe de clasificación contiene la siguiente información:

• Etiqueta: la parte de la etiqueta del conjunto de prueba
• Precisión: la precisión de la predicción.
• Retirada: instancias relevantes que se recuperaron
• Puntuación F1: la media geográfica entre precisión y recuperación; puede usar esta puntuación para comparar dos modelos
• Soporte técnico: el número de veces que aparece una etiqueta determinada en el conjunto de prueba

Para ver un ejemplo de un informe de clasificación, consulta la siguiente tabla.

Etiqueta	Precisión	Recordar	Evaluación F1	Soporte
0.0	0.805	0.737	0.769	319
1.0	0.731	0.812	0.77	389
2.0	0.778	0.731	0.754	394
3.0	0.721	0.778	0.748	392
4.0	0.855	0.844	0.85	385
5.0	0.901	0.803	0.849	395

Matriz de confusión

Los mejores parámetros de modelo para la búsqueda de hiperparámetros

Cuando la variable BOW.hyperparameter_search.enable se establece en True , en esta tabla se muestran los mejores parámetros del modelo seleccionados por el algoritmo. Para reentrenar el modelo con diferentes parámetros no cubiertos por la búsqueda de hiperparámetros, también puede establecer estos parámetros manualmente en Variables de entorno. Para obtener más información al respecto, consulta la sección (doc: Light-Text-Classification # Environment-variables).

Para ver un ejemplo de este informe, consulta la tabla siguiente.

Nombre	Valor
BOW.ngrama_rango	(1, 2)
BOW.min_df	2
BOW.lr_kWargs.class_peso	Equilibrado
dataset.text_pp_remove_stop_word	True

Informe de búsqueda de hiperparámetros

Este informe es un archivo PDF generado solo si el parámetro BOW.hyperparameter_search.enable está establecido en True.El informe contiene los mejores valores para las variables opcionales y un diagrama para mostrar los resultados.

Archivos JSON

Puedes encontrar archivos JSON independientes correspondientes a cada sección del archivo PDF Informe de evaluación. Estos archivos JSON son legibles por máquina y se pueden utilizar para transferir la evaluación del modelo a Insights mediante el flujo de trabajo.