Predictions

Obter previsões para um modelo fixado

/api/v1/datasets/<project>/<dataset_name>/labellers/<version>/predict

Permissões necessárias: Exibir rótulos, Exibir origens

Importante:

Operação Faturável

Você receberá a cobrança de 1 AI Unit por comentário fornecido no corpo da solicitação.

• Bash

  curl -X POST 'https://<my_api_endpoint>/api/v1/datasets/<project>/<dataset_name>/labellers/<version>/predict' \
      -H "Authorization: Bearer $REINFER_TOKEN" \
      -H "Content-Type: application/json" \
      -d '{
    "documents": [
      {
        "messages": [
          {
            "body": {
              "text": "Hi Bob,\n\nCould you send me the figures for today?"
            },
            "from": "[e-mail]",
            "sent_at": "2020-01-09T16:34:45Z",
            "signature": {
              "text": "Thanks,\nAlice"
            },
            "subject": {
              "text": "Figures Request"
            },
            "to": [
              "[e-mail]"
            ]
          }
        ],
        "timestamp": "2013-09-12T20:01:20.000000+00:00",
        "user_properties": {
          "string:City": "London"
        }
      },
      {
        "messages": [
          {
            "body": {
              "text": "Alice,\n\nHere are the figures for today."
            },
            "from": "[e-mail]",
            "sent_at": "2020-01-09T16:44:45Z",
            "signature": {
              "text": "Regards,\nBob"
            },
            "subject": {
              "text": "Re: Figures Request"
            },
            "to": [
              "[e-mail]"
            ]
          }
        ],
        "timestamp": "2011-12-12T10:04:30.000000+00:00",
        "user_properties": {
          "string:City": "Bucharest"
        }
      }
    ],
    "threshold": 0.25
  }'

• Nó

  const request = require("request");
  
  request.post(
    {
      url: "https://<my_api_endpoint>/api/v1/datasets/<project>/<dataset_name>/labellers/<version>/predict",
      headers: {
        Authorization: "Bearer " + process.env.REINFER_TOKEN,
      },
      json: true,
      body: {
        documents: [
          {
            messages: [
              {
                body: {
                  text: "Hi Bob,\n\nCould you send me the figures for today?",
                },
                from: "[e-mail]",
                sent_at: "2020-01-09T16:34:45Z",
                signature: { text: "Thanks,\nAlice" },
                subject: { text: "Figures Request" },
                to: ["[e-mail]"],
              },
            ],
            timestamp: "2013-09-12T20:01:20.000000+00:00",
            user_properties: { "string:City": "London" },
          },
          {
            messages: [
              {
                body: { text: "Alice,\n\nHere are the figures for today." },
                from: "[e-mail]",
                sent_at: "2020-01-09T16:44:45Z",
                signature: { text: "Regards,\nBob" },
                subject: { text: "Re: Figures Request" },
                to: ["[e-mail]"],
              },
            ],
            timestamp: "2011-12-12T10:04:30.000000+00:00",
            user_properties: { "string:City": "Bucharest" },
          },
        ],
        threshold: 0.25,
      },
    },
    function (error, response, json) {
      // digest response
      console.log(JSON.stringify(json, null, 2));
    }
  );

• Python

  import json
  import os
  
  import requests
  
  response = requests.post(
      "https://<my_api_endpoint>/api/v1/datasets/<project>/<dataset_name>/labellers/<version>/predict",
      headers={"Authorization": "Bearer " + os.environ["REINFER_TOKEN"]},
      json={
          "documents": [
              {
                  "messages": [
                      {
                          "from": "[e-mail]",
                          "to": ["[e-mail]"],
                          "sent_at": "2020-01-09T16:34:45Z",
                          "body": {
                              "text": "Hi Bob,\n\nCould you send me the figures for today?"
                          },
                          "subject": {"text": "Figures Request"},
                          "signature": {"text": "Thanks,\nAlice"},
                      }
                  ],
                  "timestamp": "2013-09-12T20:01:20.000000+00:00",
                  "user_properties": {"string:City": "London"},
              },
              {
                  "messages": [
                      {
                          "from": "[e-mail]",
                          "to": ["[e-mail]"],
                          "sent_at": "2020-01-09T16:44:45Z",
                          "body": {
                              "text": "Alice,\n\nHere are the figures for today."
                          },
                          "subject": {"text": "Re: Figures Request"},
                          "signature": {"text": "Regards,\nBob"},
                      }
                  ],
                  "timestamp": "2011-12-12T10:04:30.000000+00:00",
                  "user_properties": {"string:City": "Bucharest"},
              },
          ],
          "threshold": 0.25,
      },
  )
  
  print(json.dumps(response.json(), indent=2, sort_keys=True))

• Resposta

  {
    "entities": [
      [
        {
          "capture_ids": [],
          "formatted_value": "Bob",
          "id": "76aebf2646577a1d",
          "kind": "person",
          "name": "person",
          "probability": null,
          "span": {
            "char_end": 6,
            "char_start": 3,
            "content_part": "body",
            "message_index": 0,
            "utf16_byte_end": 12,
            "utf16_byte_start": 6
          }
        },
        {
          "capture_ids": [],
          "formatted_value": "2020-01-09 00:00 UTC",
          "id": "20beddf4c5f5bb61",
          "kind": "date",
          "name": "date",
          "probability": null,
          "span": {
            "char_end": 48,
            "char_start": 43,
            "content_part": "body",
            "message_index": 0,
            "utf16_byte_end": 96,
            "utf16_byte_start": 86
          }
        }
      ],
      []
    ],
    "model": {
      "time": "2020-02-06T20:42:58.047000Z",
      "version": 5
    },
    "predictions": [
      [
        {
          "name": ["Some Label"],
          "probability": 0.8896465003490448
        },
        {
          "name": ["Parent Label", "Child Label"],
          "probability": 0.26687008142471313,
          "sentiment": 0.8762539502232571
        }
      ],
      [
        {
          "name": ["Other Label"],
          "probability": 0.6406207121908665
        }
      ]
    ],
    "status": "ok"
  }

Você deve fornecer a versão do modelo que deseja consultar para previsões na solicitação. Você pode usar o número inteiro da versão ou os valores especiais live ou staging para consultar a versão atual do modelo Live ou Staging.

Formato de solicitação

Nome	Tipo	Required	Descrição
documents	array<Comment>	sim	Um lote de no máximo 4096 documentos, no formato descrito em Referência do comentário. Lotes maiores são mais rápidos (por documento) do que os menores.
threshold	Número	não	O limite de confiança para filtrar os resultados do rótulo. Um número entre 1.0 e 0.0. 0.0 incluirá todos os resultados. Defina como "auto" para usar limites automáticos. Se não estiver definido, o limite padrão de 0.25 será usado.
labels	array<Label>	não	Uma lista dos rótulos solicitados a serem retornados com a opção de limites específicos de rótulos.

Onde Label tem o seguinte formato:

Nome	Tipo	Required	Descrição
name	array<string>	sim	O nome do rótulo a ser retornado, formatado como uma lista de rótulos hierárquicos. Por exemplo, o rótulo "Parent Label > Child Label" terá o formato ["Parent Label", "Child Label"].
threshold	Número	não	O limite de confiança a ser usado para o rótulo. Se não for especificado, o padrão será o limite especificado no nível superior.

Formato da Resposta

Nome	Tipo	Descrição
status	String	ok se a solicitação for bem-sucedida ou error em caso de erro. Consulte Visão geral para saber mais sobre respostas de erros.
predictions	array<array<Label>>	Uma lista de array<Label> na mesma ordem que os comentários na solicitação, em que cada Label tem o formato descrito aqui.
entities	array<array<Entity>>	Uma lista de array<Entity> na mesma ordem que os comentários na solicitação, em que cada Entity tem o formato descrito aqui.
label_properties	array<LabelProperty>	Uma matriz que contém as propriedades de rótulo prevista para este comentário, em que cada LabelProperty tem o formato descrito aqui.
model	Modelo	Informações sobre o modelo que foi usado para fazer as previsões, no formato descrito aqui.

Obter previsões para a versão mais recente do modelo

Para obter previsões da versão do modelo disponível mais recente para um conjunto de dados, consulte as instruções em Obter previsões para um modelo fixado, mas use latest em vez de uma versão de modelo fixada.

Obter previsões para um modelo fixado para emails brutos

/api/v1/datasets/<project>/<dataset_name>/labellers/<version>/predict-raw-emails

Permissões necessárias: Exibir rótulos, Exibir origens

Importante:

Operação Faturável

Será carregada 1 AI Unit por e-mail bruto fornecido no corpo da solicitação.

• Bash

  curl -X POST 'https://<my_api_endpoint>/api/v1/datasets/<project>/<dataset_name>/labellers/<version>/predict-raw-emails' \
      -H "Authorization: Bearer $REINFER_TOKEN" \
      -H "Content-Type: application/json" \
      -d '{
    "documents": [
      {
        "raw_email": {
          "body": {
            "plain": "Hi Bob,\n\nCould you send me the figures for today?\n\nThanks,\nAlice"
          },
          "headers": {
            "parsed": {
              "Date": "Thu, 09 Jan 2020 16:34:45 +0000",
              "From": "[e-mail]",
              "Message-ID": "[e-mail]",
              "References": "<[e-mail]> <[e-mail]>",
              "Subject": "Figures Request",
              "To": "[e-mail]"
            }
          }
        },
        "user_properties": {
          "string:City": "London"
        }
      },
      {
        "raw_email": {
          "body": {
            "html": "<p>Alice,</p><p>Here are the figures for today.</p><p>Regards,<br/>Bob</p>"
          },
          "headers": {
            "raw": "Message-ID: [e-mail]\nDate: Thu, 09 Jan 2020 16:44:45 +0000\nSubject: Re: Figures Request\nFrom: [e-mail]\nTo: [e-mail]"
          }
        },
        "user_properties": {
          "string:City": "Bucharest"
        }
      }
    ],
    "include_comments": false,
    "threshold": 0.25,
    "transform_tag": "generic.0.CONVKER5"
  }'

• Nó

  const request = require("request");
  
  request.post(
    {
      url: "https://<my_api_endpoint>/api/v1/datasets/<project>/<dataset_name>/labellers/<version>/predict-raw-emails",
      headers: {
        Authorization: "Bearer " + process.env.REINFER_TOKEN,
      },
      json: true,
      body: {
        documents: [
          {
            raw_email: {
              body: {
                plain:
                  "Hi Bob,\n\nCould you send me the figures for today?\n\nThanks,\nAlice",
              },
              headers: {
                parsed: {
                  Date: "Thu, 09 Jan 2020 16:34:45 +0000",
                  From: "[e-mail]",
                  "Message-ID": "[e-mail]",
                  References: "<[e-mail]> <[e-mail]>",
                  Subject: "Figures Request",
                  To: "[e-mail]",
                },
              },
            },
            user_properties: { "string:City": "London" },
          },
          {
            raw_email: {
              body: {
                html: "<p>Alice,</p><p>Here are the figures for today.</p><p>Regards,<br/>Bob</p>",
              },
              headers: {
                raw: "Message-ID: [e-mail]\nDate: Thu, 09 Jan 2020 16:44:45 +0000\nSubject: Re: Figures Request\nFrom: [e-mail]\nTo: [e-mail]",
              },
            },
            user_properties: { "string:City": "Bucharest" },
          },
        ],
        include_comments: false,
        threshold: 0.25,
        transform_tag: "generic.0.CONVKER5",
      },
    },
    function (error, response, json) {
      // digest response
      console.log(JSON.stringify(json, null, 2));
    }
  );

• Python

  import json
  import os
  
  import requests
  
  response = requests.post(
      "https://<my_api_endpoint>/api/v1/datasets/<project>/<dataset_name>/labellers/<version>/predict-raw-emails",
      headers={"Authorization": "Bearer " + os.environ["REINFER_TOKEN"]},
      json={
          "transform_tag": "generic.0.CONVKER5",
          "documents": [
              {
                  "raw_email": {
                      "headers": {
                          "parsed": {
                              "Message-ID": "[e-mail]",
                              "Date": "Thu, 09 Jan 2020 16:34:45 +0000",
                              "Subject": "Figures Request",
                              "From": "[e-mail]",
                              "To": "[e-mail]",
                              "References": "<[e-mail]> <[e-mail]>",
                          }
                      },
                      "body": {
                          "plain": "Hi Bob,\n\nCould you send me the figures for today?\n\nThanks,\nAlice"
                      },
                  },
                  "user_properties": {"string:City": "London"},
              },
              {
                  "raw_email": {
                      "headers": {
                          "raw": "Message-ID: [e-mail]\nDate: Thu, 09 Jan 2020 16:44:45 +0000\nSubject: Re: Figures Request\nFrom: [e-mail]\nTo: [e-mail]"
                      },
                      "body": {
                          "html": "<p>Alice,</p><p>Here are the figures for today.</p><p>Regards,<br/>Bob</p>"
                      },
                  },
                  "user_properties": {"string:City": "Bucharest"},
              },
          ],
          "threshold": 0.25,
          "include_comments": False,
      },
  )
  
  print(json.dumps(response.json(), indent=2, sort_keys=True))

• Resposta

  {
    "entities": [
      [
        {
          "capture_ids": [],
          "formatted_value": "Bob",
          "id": "76aebf2646577a1d",
          "kind": "person",
          "name": "person",
          "probability": null,
          "span": {
            "char_end": 6,
            "char_start": 3,
            "content_part": "body",
            "message_index": 0,
            "utf16_byte_end": 12,
            "utf16_byte_start": 6
          }
        },
        {
          "capture_ids": [],
          "formatted_value": "2020-01-09 00:00 UTC",
          "id": "20beddf4c5f5bb61",
          "kind": "date",
          "name": "date",
          "probability": null,
          "span": {
            "char_end": 48,
            "char_start": 43,
            "content_part": "body",
            "message_index": 0,
            "utf16_byte_end": 96,
            "utf16_byte_start": 86
          }
        }
      ],
      []
    ],
    "model": {
      "time": "2020-02-06T20:42:58.047000Z",
      "version": 5
    },
    "predictions": [
      [
        {
          "name": ["Some Label"],
          "probability": 0.8896465003490448
        },
        {
          "name": ["Parent Label", "Child Label"],
          "probability": 0.26687008142471313,
          "sentiment": 0.8762539502232571
        }
      ],
      [
        {
          "name": ["Other Label"],
          "probability": 0.6406207121908665
        }
      ]
    ],
    "status": "ok"
  }

Você deve fornecer a versão do modelo que deseja consultar para previsões na solicitação. Você pode usar o número inteiro da versão ou os valores especiais live ou staging para consultar a versão atual do modelo Live ou Staging.

Formato de solicitação

Nome	Tipo	Required	Descrição
transform_tag	String	sim	Uma tag que especifica como os dados brutos devem ser processados.
documents	array<Document>	sim	Um lote de no máximo 4096 documentos no formato descrito abaixo. Lotes maiores são mais rápidos (por documento) do que os menores.
threshold	Número	não	O limite de confiança para filtrar os resultados do rótulo. Um número entre 1.0 e 0.0. 0.0 incluirá todos os resultados. Defina como "auto" para usar limites automáticos. Se não estiver definido, o limite padrão de 0.25 será usado.
labels	array<Label>	não	Uma lista dos rótulos solicitados a serem retornados com a opção de limites específicos de rótulos.
include_comments	Booleano	não	Se definido como true, os comentários analisados dos e-mails serão retornados no corpo da resposta.

Onde Document tem o seguinte formato:

Nome	Tipo	Required	Descrição
raw_email	RawEmail	sim	Dados de email, no formato descrito aqui.
user_properties	map<string, string | number>	não	Qualquer metadado definido do usuário que se aplique ao comentário. O formato é descrito aqui. Observação: algumas propriedades de usuário são geradas com base no conteúdo de e-mail. Se eles entrarem em conflito com as propriedades do usuário carregadas, a solicitação falhará com 422 Unprocessable Entity.

Onde Label tem o seguinte formato:

Nome	Tipo	Required	Descrição
name	array<string>	sim	O nome do rótulo a ser retornado, formatado como uma lista de rótulos hierárquicos. Por exemplo, o rótulo "Parent Label > Child Label" terá o formato ["Parent Label", "Child Label"].
threshold	Número	não	O limite de confiança a ser usado para o rótulo. Se não for especificado, o padrão será o limite especificado no nível superior.

Formato da Resposta

Nome	Tipo	Descrição
status	String	ok se a solicitação for bem-sucedida ou error em caso de erro. ConsulteVisão geral para saber mais sobre respostas de erros.
comments	array<Comment>	Uma lista de comentários analisados dos emails brutos carregados, no formato descrito na Referência do comentário. Retornado apenas se você definir include_comments na solicitação.
predictions	array<array<Label>>	Uma lista de array<Label> na mesma ordem que os comentários na solicitação, em que cada Label tem o formato descrito aqui.
entities	array<array<Entity>>	Uma lista de array<Entity> na mesma ordem que os comentários na solicitação, em que cada Entity tem o formato descrito aqui.
label_properties	array<LabelProperty>	Uma matriz que contém as propriedades de rótulo prevista para este comentário, em que cada LabelProperty tem o formato descrito aqui.
model	Modelo	Informações sobre o modelo que foi usado para fazer as previsões, no formato descrito aqui.

Observação:

Para solicitações grandes, esse ponto de extremidade pode levar mais tempo para responder. Você deve aumentar o tempo limite do cliente.

Obter previsões para um modelo fixado por ID do comentário

/api/v1/datasets/<project>/<dataset_name>/labellers/<version>/predict-comments

Permissões necessárias: Exibir rótulos, Exibir origens

• Bash

  curl -X POST 'https://<my_api_endpoint>/api/v1/datasets/<project>/<dataset_name>/labellers/<version>/predict-comments' \
      -H "Authorization: Bearer $REINFER_TOKEN" \
      -H "Content-Type: application/json" \
      -d '{
    "threshold": 0.25,
    "uids": [
      "18ba5ce699f8da1f.0001",
      "18ba5ce699f8da1f.0002"
    ]
  }'

• Nó

  const request = require("request");
  
  request.post(
    {
      url: "https://<my_api_endpoint>/api/v1/datasets/<project>/<dataset_name>/labellers/<version>/predict-comments",
      headers: {
        Authorization: "Bearer " + process.env.REINFER_TOKEN,
      },
      json: true,
      body: {
        threshold: 0.25,
        uids: ["18ba5ce699f8da1f.0001", "18ba5ce699f8da1f.0002"],
      },
    },
    function (error, response, json) {
      // digest response
      console.log(JSON.stringify(json, null, 2));
    }
  );

• Python

  import json
  import os
  
  import requests
  
  response = requests.post(
      "https://<my_api_endpoint>/api/v1/datasets/<project>/<dataset_name>/labellers/<version>/predict-comments",
      headers={"Authorization": "Bearer " + os.environ["REINFER_TOKEN"]},
      json={
          "uids": ["18ba5ce699f8da1f.0001", "18ba5ce699f8da1f.0002"],
          "threshold": 0.25,
      },
  )
  
  print(json.dumps(response.json(), indent=2, sort_keys=True))

• Resposta

  {
    "model": {
      "time": "2020-02-06T20:42:58.047000Z",
      "version": 5
    },
    "predictions": [
      {
        "entities": [
          {
            "capture_ids": [],
            "formatted_value": "Bob",
            "id": "76aebf2646577a1d",
            "kind": "person",
            "name": "person",
            "probability": null,
            "span": {
              "char_end": 6,
              "char_start": 3,
              "content_part": "body",
              "message_index": 0,
              "utf16_byte_end": 12,
              "utf16_byte_start": 6
            }
          },
          {
            "capture_ids": [],
            "formatted_value": "2020-01-09 00:00 UTC",
            "id": "20beddf4c5f5bb61",
            "kind": "date",
            "name": "date",
            "probability": null,
            "span": {
              "char_end": 48,
              "char_start": 43,
              "content_part": "body",
              "message_index": 0,
              "utf16_byte_end": 96,
              "utf16_byte_start": 86
            }
          }
        ],
        "labels": [
          {
            "name": ["Some Label"],
            "probability": 0.8896465003490448
          },
          {
            "name": ["Parent Label", "Child Label"],
            "probability": 0.26687008142471313,
            "sentiment": 0.8762539502232571
          }
        ],
        "uid": "18ba5ce699f8da1f.0001"
      },
      {
        "entities": [],
        "labels": [
          {
            "name": ["Other Label"],
            "probability": 0.6406207121908665
          }
        ],
        "uid": "18ba5ce699f8da1f.0002"
      }
    ],
    "status": "ok"
  }

Você deve fornecer a versão do modelo que deseja consultar para previsões na solicitação. Você pode usar o número inteiro da versão ou os valores especiais live ou staging para consultar a versão atual do modelo Live ou Staging.

Formato de solicitação

Nome	Tipo	Required	Descrição
uids	array<string>	sim	Uma lista de no máximo 4096 -s source_ide comment_id-s combinados no formato source_id.comment_id. As origens não precisam pertencer ao conjunto de dados atual - para que você possa solicitar previsões de comentários para uma origem em um conjunto de dados diferente (ou nenhum). Listas maiores são mais rápidas (por comentário) do que listas menores.
threshold	Número	não	O limite de confiança para filtrar os resultados do rótulo. Um número entre 1.0 e 0.0. 0.0 incluirá todos os resultados. Defina como "auto" para usar limites automáticos. Se não estiver definido, o limite padrão de 0.25 será usado.
labels	array<Label>	não	Uma lista dos rótulos solicitados a serem retornados com a opção de limites específicos de rótulos.

Onde Label tem o seguinte formato:

Nome	Tipo	Required	Descrição
name	array<string>	sim	O nome do rótulo a ser retornado, formatado como uma lista de rótulos hierárquicos. Por exemplo, o rótulo "Parent Label > Child Label" terá o formato ["Parent Label", "Child Label"].
threshold	Número	não	O limite de confiança a ser usado para o rótulo. Se não for especificado, o padrão será o limite especificado no nível superior.

Formato da Resposta

Nome	Tipo	Descrição
status	String	ok se a solicitação for bem-sucedida, ou error em caso de erro. Consulte a Visão geral para saber mais sobre as respostas de erro.
predictions	array<Prediction>	Uma lista de previsões no formato descrito abaixo.
model	Modelo	Informações sobre o modelo que foi usado para fazer as previsões, no formato descrito aqui.

Onde Prediction tem o seguinte formato:

Nome	Tipo	Descrição
uid	String	Uma combinação de source_id e comment_id no formato de source_id.comment_id.
labels	array<Label>	Uma matriz que contém rótulos previstos para este comentário, onde Label tem o formato descrito aqui.
entities	array<Entity>	Uma matriz contendo entidades prevista para este comentário, onde Entity tem o formato descrito aqui.
label_properties	array<LabelProperty>	Uma matriz que contém as propriedades de rótulo prevista para este comentário, em que cada LabelProperty tem o formato descrito aqui.

Observação: para solicitações grandes, esse ponto de extremidade pode levar mais tempo para responder. Você deve aumentar o tempo limite do cliente.

Obter estatísticas de validação do modelo

/api/v1/datasets/<project>/<dataset_name>/labellers/<version>/validation

Permissões necessárias: Exibir rótulos, Exibir origens

• Bash

  curl -X GET 'https://<my_api_endpoint>/api/v1/datasets/project1/collateral/labellers/live/validation' \
      -H "Authorization: Bearer $REINFER_TOKEN"

• Nó

  const request = require("request");
  
  request.get(
    {
      url: "https://<my_api_endpoint>/api/v1/datasets/project1/collateral/labellers/live/validation",
      headers: {
        Authorization: "Bearer " + process.env.REINFER_TOKEN,
      },
    },
    function (error, response, json) {
      // digest response
      console.log(JSON.stringify(json, null, 2));
    }
  );

• Python

  import json
  import os
  
  import requests
  
  response = requests.get(
      "https://<my_api_endpoint>/api/v1/datasets/project1/collateral/labellers/live/validation",
      headers={"Authorization": "Bearer " + os.environ["REINFER_TOKEN"]},
  )
  
  print(json.dumps(response.json(), indent=2, sort_keys=True))

• Resposta

  {
    "status": "ok",
    "validation": {
      "coverage": 0.9119927883148193,
      "dataset_quality": "good",
      "labels": [
        {
          "name": "Notification",
          "parts": ["Notification"]
        },
        {
          "name": "Notification > Out of Office",
          "parts": ["Notification", "Out of Office"]
        },
        {
          "name": "Notification > Public Holiday",
          "parts": ["Notification", "Public Holiday"]
        }
      ],
      "mean_average_precision_safe": 0.83,
      "num_amber_labels": 1,
      "num_labels": 3,
      "num_red_labels": 1,
      "num_reviewed_comments": 10251,
      "version": 5
    }
  }

Essa rota retorna estatísticas de quão bem um modelo está funcionando. As mesmas estatísticas podem ser visualizadas na página Validação. As estatísticas de um modelo podem ser solicitadas com seu número inteiro version . Você pode usar os valores especiais live e staging para recuperar estatísticas para as versões atuais do modelo Ao vivo ou de Teste, ou o valor especial latest para a versão do modelo disponível mais recentemente.

Embora esse ponto de extremidade aceite versões de modelo fixadas e não fixadas, recomendamos consultar as versões do modelo fixadas ou o valor especial latest, pois não é garantido que as estatísticas estejam disponíveis para versões de modelo não fixadas.

O objeto validation da resposta contém os campos a seguir:

Nome	Tipo	Descrição
mean_average_precision_safe	float	Pontuação de Precisão média média (entre 0.0 e 1.0). Este campo será null se o MAP não estiver disponível.
num_labels	Número	Número de rótulos na taxonomia (no momento em que a versão do modelo foi fixada).
labels	array<Label>	Lista de rótulos na taxonomia (no momento em que a versão do modelo foi fixada). Observe que, como o exemplo de resposta demonstra, os rótulos pais são retornados como um rótulo separado, além de serem retornados como parte dos rótulos filhos.
num_reviewed_comments	Número	Número de comentários revisados no conjunto de dados (no momento em que a versão do modelo foi fixada).
version	Número	Versão do modelo.
num_amber_labels	Número	Número de rótulos no estado de aviso laranja.
num_red_labels	Número	Número de rótulos no estado de alerta vermelho.
dataset_score	Número	Pontuação geral do conjunto de dados, entre 0 e 100.
dataset_quality	String	Um "poor", "average", "good", "excellent", representando a classificação de qualidade geral do conjunto de dados. Pode ser null se não houver dados suficientes.
balance	float	Uma medida da similaridade entre comentários revisados e não revisados (entre 0.0 e 1.0). Pode ser null se não houver dados suficientes.
balance_quality	String	Um entre "poor", "average", "good", "excellent", representando a classificação de qualidade do saldo. Pode ser null se não houver dados suficientes.
coverage	float	Um valor fracionário da cobertura do rótulo no conjunto de dados (entre 0.0 e 1.0). Pode ser null se não houver dados suficientes.
coverage_quality	String	Uma "poor", "average", "good", "excellent", representando a classificação de qualidade da cobertura. Pode ser null se não houver dados suficientes.
all_labels_quality	String	Um "poor", "average", "good", "excellent", representando toda a classificação de qualidade dos rótulos. Pode ser null se não houver dados suficientes.
underperforming_labels_quality	String	Um entre "poor", "average", "good", "excellent", representando a classificação de qualidade dos rótulos de baixo desempenho. Pode ser null se não houver dados suficientes.

Onde Label tem o seguinte formato:

Nome	Tipo	Descrição
name	String	O nome do rótulo, formatado como uma cadeia de caracteres.
parts	array<string>	O nome do rótulo, formatado como uma lista de rótulos hierárquicos. Por exemplo, o rótulo "Parent Label > Child Label" terá o formato ["Parent Label", "Child Label"]