Machine learning 使用automl中的“评估”选项卡可以做多少工作
我正在尝试AutoML自然语言,发现“评估”选项卡包含很多信息。我想知道我能用这个标签做多少调整。例如:Machine learning 使用automl中的“评估”选项卡可以做多少工作,machine-learning,google-natural-language,google-cloud-automl,google-cloud-automl-nl,Machine Learning,Google Natural Language,Google Cloud Automl,Google Cloud Automl Nl,我正在尝试AutoML自然语言,发现“评估”选项卡包含很多信息。我想知道我能用这个标签做多少调整。例如: 当我调整“分数阈值”时,“精确度”和“召回率”将发生变化。但是我能用它做什么呢?我是否应该使用更改的“分数阈值”重新培训模型 如果我没有更改数据集,但调整了“分数阈值”,单击“训练新模型”会发生什么情况 使用“评估”选项卡选择要应用于您的问题的相关分数阈值。由于对模型的API调用返回以下格式的有效负载,以及所有标签及其关联的分数,因此有必要选择一个阈值来过滤结果,并仅显示分数高于此选定阈值的
使用“评估”选项卡选择要应用于您的问题的相关分数阈值。由于对模型的API调用返回以下格式的有效负载,以及所有标签及其关联的分数,因此有必要选择一个阈值来过滤结果,并仅显示分数高于此选定阈值的标签
payload {
classification {
score: 0.999904990196
}
display_name: <label_1_name>
}
payload {
classification {
score: 9.50000030571e-05
}
display_name: <label_2_name>
}
有效载荷{
分类{
得分:0.99904990196
}
显示\u名称:
}
有效载荷{
分类{
得分:9.50000030571e-05
}
显示\u名称:
}
因此,您不会使用所选阈值重新训练新模型,因为阈值不是训练参数
关于第二个问题:它将训练相同的模式。在UI中,您只能“播放”阈值以更新评估结果,它不会将任何内容保存到后端。它只是帮助您为您的应用程序选择一个相关的数字。设置分数阈值是模型培训之外的一个过程,它既不影响它,也不受它的影响