Communications Mining
Mais recente
falso
- Introdução
- Balanceamento
- Clusters
- Desvio de conceito
- Cobertura
- Conjuntos de dados
- Entidades
- Rótulos (previsões, níveis de confiança, hierarquia etc.)
- Modelos
- Transmissões
- Classificação do Modelo
- Projetos
- Precisão
- Lembrar
- Mensagens revisadas e não revisadas
- Fontes
- Taxonomias
- Treinamento
- Previsões positivos e negativos verdadeiros e falsos
- Validação
- Mensagens
- Administração
- Gerenciar origens e conjuntos de dados
- Entender a estrutura de dados e permissões
- Crie uma origem de dados na GUI
- Carregar um arquivo CSV para uma origem
- Criar um conjunto de dados
- Origens e conjuntos de dados multilíngues
- Habilitando o sentimento em um conjunto de dados
- Corrigir configurações de conjunto de dados
- Excluir mensagens por meio da interface do usuário
- Excluir um conjunto de dados
- Exportar um conjunto de dados
- Usando integrações do Exchange
- Preparando dados para upload de .CSV
- Treinamento e manutenção do modelo
- Noções Básicas sobre rótulos, entidades e metadados
- Hierarquia de rótulo e práticas recomendadas
- Definição dos seus objetivos de taxonomia
- Casos de uso de análise versus automação
- Transformando seus objetivos em rótulos
- Criação da sua estrutura taxonômica
- Práticas recomendadas de design de taxonomia
- Importando sua taxonomia
- Visão geral do processo de treinamento do modelo
- Anotação Generativa (Novo)
- Entendendo o status do seu conjunto de dados
- Práticas recomendadas de treinamento e rotulagem de modelos
- Treinamento com análise de sentimento de rótulo habilitada
- Treinamento
- Introdução a "Refinar"
- Precisão e recall explicados
- Precisão e recall
- Como funciona a Validação?
- Compreender e melhorar o desempenho do modelo
- Por que um rótulo pode ter uma precisão média baixa?
- Treinamento usando "Check label" e "Missed label"
- Treinamento usando Ensinar rótulo (Refinar)
- Treinamento usando a Pesquisa (Refinamento)
- Noções Básicas e Aumentando a Cobertura
- Como melhorar o balanceamento e usar o 'Rebalance'
- Quando parar de treinar seu modelo
- Definição e configuração de suas entidades
- Noções Básicas sobre Entidades
- Quais entidades pré-treinadas estão disponíveis?
- Habilitar, desabilitar, atualizar e criar entidades
- Filtragem de entidades
- Revisar e aplicar entidades
- Validação para entidades
- Melhoria do desempenho de entidade
- Como criar entidades regex personalizadas
- Uso de Análise e Monitoramento
- Automations e Communications Mining
- Perguntas frequentes e mais
Excluir um conjunto de dados
Guia do usuário do Communications Mining
Última atualização 18 de abr de 2024
Excluir um conjunto de dados
Permissões de usuário necessárias: "Datasets admin".
Assim como na atualização de um conjunto de dados, você tem duas opções para excluir permanentemente um conjunto de dados:
1. Por meio do cartão do conjunto de dados na página de conjuntos de dados
- Navegue até a página principal dos conjuntos de dados (você pode navegar aqui clicando no logotipo UiPath Communications Mining na parte superior da sua página)
- Clique no ícone da lixeira no canto do cartão do conjunto de dados individual
- Insira o nome do conjunto de dados na barra que aparece abaixo dos detalhes do conjunto de dados
- Clique em "Excluir conjunto de dados" para confirmar
- Observação: depois que um conjunto de dados é excluído, esta ação não pode ser desfeita
Cartão de conjunto de dados com opção de exclusão
2. Por meio da página de configurações do conjunto de dados individual
- Se você tiver clicado em um conjunto de dados individual, navegue até a página "configurações" através da barra de navegação superior. Na guia "Geral", há um botão "excluir conjunto de dados" na parte inferior da página.
- Você receberá o modal "Excluir conjunto de dados"
- Insira o nome completo do conjunto de dados e clique em "Excluir conjunto de dados" para confirmar
- Observação: depois que um conjunto de dados é excluído, esta ação não pode ser desfeita
Excluir modal de conjunto de dados