- 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
Validação
A página Validação mostra aos usuários informações detalhadas sobre o desempenho de seu modelo, tanto para rótulos quanto entidades.
Na guia "Rótulos ", os usuários podem ver sua Classificação geral do modelo, incluindo um detalhamento dos fatores que compõem sua classificação, e outras métricas em seu conjunto de dados e o desempenho de rótulos individuais.
Na guia "Entidades ", os usuários podem ver estatísticas sobre o desempenho de previsões de entidades para todas as entidades habilitadas no conjunto de dados.
Rótulos
A guia 'Fatores ' (como mostrado acima) mostra:
- Os quatro principais fatores que contribuem para a Classificação do modelo: saldo, cobertura, desempenho médio do rótulo e o desempenho dos rótulos de pior desempenho
- Para cada fator, ele fornece uma pontuação e um detalhamento dos colaboradores para a pontuação do fator
- Próximas melhores ações clicáveis recomendadas para melhorar a pontuação de cada fator
A guia " Métricas" (conforme exibida abaixo) mostra:
- O tamanho do conjunto de treinamento - ou seja, o número de mensagens em que o modelo foi treinado
- O tamanho do conjunto de testes, ou seja, o número de mensagens nas quais o modelo foi avaliado
- Número de rótulos, ou seja, o número total de rótulos em sua taxonomia
- Precisão média no recall — um gráfico que mostra a precisão média em um determinado valor de recall em todos os rótulos
- Precisão média média – uma estatística que mostra a precisão média em todos os rótulos
- Um gráfico que mostra, em todos os rótulos, a precisão média por rótulo versus o tamanho do conjunto de treinamento
A página Validação também permite que os usuários selecionem rótulos individuais de sua taxonomia para detalhar seu desempenho.
Após selecionar um rótulo, os usuários podem ver a precisão média para esse rótulo, bem como a precisão versus o recall para esse rótulo com base em um determinado limite de confiança (que os próprios usuários podem ajustar).
Para entender mais sobre como a validação para rótulos realmente funciona e como usá-la, consulte aqui.
Entidades
A guia " Entidades" (como mostrado acima) mostra:
- O número de entidades no conjunto de treinamento - ou seja, o número de entidades anotadas nas quais o modelo de validação foi treinado
- O número de entidades no conjunto de teste - ou seja, o número de entidades anotadas nas quais o modelo de validação foi avaliado
- O número de mensagens no conjunto de treinamento - ou seja, o número de mensagens que têm entidades anotadas no conjunto de treinamento
- O número de mensagens no conjunto de teste - ou seja, o número de mensagens que têm entidades anotadas no conjunto de teste
- Precisão média — a pontuação de precisão média em todas as entidades
- recall médio - a pontuação média de recall de todas as entidades
- Pontuação F1 média - a pontuação F1 média em todas as entidades (a pontuação F1 é a média herdada da precisão e do recall, e pondera-as igualmente)
- As mesmas estatísticas, mas para cada entidade individual
Para entender mais sobre como a Validação de entidades realmente funciona e como usá-la, consulte aqui.