ML.NET 教學課程 - 10 分鐘入門

評估您的模型

[評估] 步驟會向您顯示效能最佳的演算法和最佳的正確性,讓您可以在 UI 中試用模型。

試用您的模型

您可以在 [試用您的模型]區段中的範例輸入上進行預測。文字方塊會預先填入資料集的第一行資料,但您可以變更輸入並選取 [預測] 按鈕來嘗試不同的情緒預測。

在此情況下,0 表示負情緒,1 表示正情緒。

Model Builder 評估步驟

注意: 如果您的模型效能不佳 (例如正確性很低,或者模型只預測 '1' 值),您可以嘗試新增更多時間並再次進行定型。這是使用非常小型資料集的範例; 針對生產等級的模型,您會想要新增更多資料與定型時間。

在評估並試用您的模型之後,移至 [使用] 步驟。

ML.NET CLI 選取最佳模型之後,會顯示 [訓練摘要],其中會顯示探索流程的摘要,包括在指定的訓練時間中探索到的模型數。

ML.NET CLI 結果

熱門模型

儘管 ML.NET CLI 會產生效能最高模型的程式碼,但它也會在指定的探索時間內找到具備最高正確性的排名在前模型 (最多 5 項)。它會為這些排名在前的模型顯示多項評估計量,包括 AUC、AUPRC 和 F1 分數。如需詳細資訊,請參閱e ML.NET 計量

繼續