Comprender el estado de tu conjunto de datos

Cada vez que apliques etiquetas o revises campos generales en tu conjunto de datos, tu modelo se volverá a entrenar y se creará una nueva versión del modelo. Para obtener más información sobre el uso de diferentes versiones del modelo, consulta aquí.

Cuando el modelo se reentrena, toma la información más reciente que se le ha proporcionado y vuelve a calcular todas sus predicciones en el conjunto de datos. Este proceso comienza cuando se inicia el entrenamiento y, a menudo, cuando Communications Mining termina de aplicar las predicciones para una versión del modelo, ya está recalculando las predicciones para una versión más reciente del modelo. Cuando dejas de entrenar después de un período de tiempo, Communications Mining se pondrá al día en breve y aplicará las predicciones que reflejan el último entrenamiento completado en el conjunto de datos.

Este proceso puede tardar algún tiempo, dependiendo de la cantidad de entrenamiento completado, el tamaño del conjunto de datos y el número de etiquetas en la taxonomía. Communications Mining tiene una función de estado útil para ayudar a los usuarios a comprender cuándo su modelo está actualizado, o si se está reentrenando y cuánto tiempo se espera que tarde.

Cuando estés en un conjunto de datos, uno de estos dos iconos en la parte superior de la página indicará su estado actual:

	Este icono indica que el conjunto de datos está actualizado y se han aplicado las predicciones de la última versión del modelo.
	Esto indica que el modelo se está reentrenando y que las predicciones pueden no estar actualizadas.

Si pasas el ratón por encima del icono, verás más detalles sobre el estado, como se muestra a continuación:

Modal de estado del conjunto de datos

Nota: A veces puedes notar que Communications Mining está en proceso de reentrenamiento, a pesar de que no hayas aplicado ninguna etiqueta o revisado ningún campo general, esto puede deberse a que nuestro equipo está implementando mejoras en nuestra plataforma y nuestros modelos que pueden requerir que los modelos reentrenar. Cualquier automatización que dependa de un número de versión de modelo específico no se verá afectada.