Entraînement à l'aide du libellé En savoir plus (Affiner)

Le mode Apprentissage dans la phase Affiner est axé sur l’annotation des messages non examinés afin d’étendre la couverture de l’entraînement pour les libellés existants.

Remarque :

Vous devez disposer des autorisations Source – Lecture et Ensemble de données – Révision en tant qu'utilisateur Automation Cloud, ou des autorisations Afficher les sources et Réviser et annoter en tant qu'utilisateur hérité.

Remarque :

Apprendre à un libellé est désormais un mode d’entraînement uniquement destiné à annoter les messages non examinés et, de ce fait, le filtre examiné est désactivé dans ce mode. Chaque libellé pour les messages examinés a été divisé en modes d'entraînement Cocher le libellé et Libellé manquant . Pour plus de détails, consultez les sections Vérifier le libellé et Libellé manquant.

Si vous avez un libellé qui rencontre des difficultés à prévoir avec précision et que vous êtes satisfait de la cohérence des exemples déjà épinglés, il est probable que vous ayez besoin de fournir au modèle des exemples d'entraînement plus variés et plus cohérents.

La plate-forme suggérera ce mode comme action recommandée pour les libellés qui en bénéficieraient le plus sous les facteurs d’évaluation du modèle , ainsi que dans les actions recommandées pour des libellés spécifiques que vous pouvez sélectionner dans Validation.

La meilleure méthode pour entraîner la plate-forme sur les instances où il est difficile de prédire si un libellé s’applique ou non est d’utiliser l’option Apprendre pour les messages non examinés.

Pourquoi l'apprentissage des messages non examinés améliore les prédictions

Étant donné que ce mode vous montre les prédictions d'un libellé avec des scores de confiance allant de 50 % à 66 % dans le cas d'un ensemble de données basé sur le sentiment, l'acceptation ou la correction de ces prédictions envoie des signaux d'entraînement beaucoup plus puissants au modèle que si vous deviez accepter des prédictions avec un score de confiance de 90 % ou plus.

De cette façon, vous pouvez rapidement améliorer la performance d'un libellé en fournissant des exemples d'entraînement variés et dont la plate-forme n'était auparavant pas informée.

Le processus réel d’annotation dans ce mode est couvert dans la phase Explorer. Pour plus de détails, consultez Entraîner à l'aide de l'apprentissage des libellés (Explorer).