communications-mining
latest
false
Importante :
Este contenido se ha traducido mediante traducción automática.
UiPath logo, featuring letters U and I in white
Guía de usuario de Communications Mining
Last updated 19 de nov. de 2024

Entrenamiento con reproducción aleatoria

Se requiere permiso de usuario: 'Ver fuentes' Y 'Revisar y etiquetar'.

'Aleatorio' es el primer paso en Explorar y su propósito es proporcionar a los usuarios una selección aleatoria de mensajes para que los revisen. En el modo aleatorio, la plataforma te mostrará los mensajes que tengan predicciones que cubran todas las etiquetas (y donde no haya ninguna), por lo que el paso Aleatorio difiere de los demás en Explorar en que no se centra en una etiqueta específica para entrenar, sino que las cubre todas .

¿Por qué es tan importante entrenar con el modo 'Aleatorio'?

Es muy importante utilizar el modo aleatorio para garantizar que proporcionas a tu modelo suficientes ejemplos de entrenamiento que sean representativos del conjunto de datos en su conjunto, y que no estén sesgados al centrarse solo en áreas muy específicas de los datos.

En general, al menos el 10 % del entrenamiento que completes en tu conjunto de datos debe estar en modo aleatorio.

Anotar en modo aleatorio esencialmente ayuda a garantizar que tu taxonomía cubra bien los datos dentro de tu conjunto de datos, y evita que crees un modelo que pueda hacer predicciones con mucha precisión en solo una pequeña fracción de los datos dentro del conjunto de datos.

Por lo tanto, mirar los mensajes en modo aleatorio es una manera fácil de tener una idea de cómo está funcionando el modelo general, y puede consultarse durante todo el proceso de entrenamiento. En una taxonomía bien entrenada, deberías poder revisar cualquier mensaje no revisado en Shuffle y simplemente aceptar predicciones para entrenar aún más el modelo. Si encuentras que muchas de las predicciones son incorrectas, puedes ver qué etiquetas requieren más entrenamiento.

Pasar por varias páginas en Shuffle más adelante en el proceso de entrenamiento también es una buena manera de comprobar si hay intenciones o conceptos que no han sido capturados por tu taxonomía y deberían haberlo sido. A continuación, puedes añadir etiquetas existentes cuando sea necesario o crear nuevas si es necesario.

Pasos clave:

docs image
  1. Seleccione 'Aleatorio' en el menú desplegable para que se le presenten 20 mensajes aleatorios
  2. Filtrar a mensajes no revisados
  3. Revise cada mensaje y cualquier predicción asociada
    • Si hay predicciones, debes confirmarlas o rechazarlas. Confirme haciendo clic en los que correspondan
    • Recuerda que también debes añadir todas las demás etiquetas adicionales que correspondan
    • Si rechaza las predicciones, debe aplicar todas las etiquetas correctas; no deje el mensaje sin etiquetas aplicadas
  4. También puedes pulsar el botón Actualizar para obtener un nuevo conjunto de mensajes, o hacer clic en la página siguiente (en la parte inferior)

Recomendamos anotar al menos 10 páginas de mensajes en Aleatorio como mínimo. En grandes conjuntos de datos con muchos ejemplos de entrenamiento, esto podría ser mucho más.

Debes tratar de completar aproximadamente el 10 % o más de todo el entrenamiento en modo aleatorio.

  • Pasos clave:

¿Te ha resultado útil esta página?

Obtén la ayuda que necesitas
RPA para el aprendizaje - Cursos de automatización
Foro de la comunidad UiPath
Uipath Logo White
Confianza y seguridad
© 2005-2024 UiPath. Todos los derechos reservados.