查看模型分数
模型视图显示了机器学习算法训练的一系列见解。通过度量和图表,可以比较实验版本内或不同实验版本之间的不同模型。查看度量标准,以了解模型的执行情况,以及如何改进模型以提高得分。
自动选择实验版本的最佳拟合算法,并用 标记。评级基于分类模型中的 F1 分数和回归模型中的 R2 分数。
如果模型已经部署到 ML 部署中,请单击 图标打开部署。如果从同一模型创建了一个或多个部署,请单击 ,然后单击 打开所需的 ML 部署。
在表中显示度量
根据机器学习问题的类型,可以使用不同的度量。
执行以下操作:
-
在模型度量表的右上角,单击 。
-
选择要显示的度量。
查看模型度量
查看模型度量时可以使用多个筛选器。展开位于模型度量表正上方的下拉菜单,以查看模型的筛选器选项。
您可以根据实验版本和使用的算法筛选模型。要包括表现最好的模型的度量,请使用表现最佳筛选器。所选模型筛选器将包括所选模型的模型度量。使用已部署筛选器来包括已部署模型的度量。
组合筛选器时,将显示与应用的任何筛选器匹配的模型度量。
比较保持分数和训练分数
模型视图显示的度量基于训练后用于验证模型性能的自动保持数据。您还可以查看交叉验证期间生成的训练度量,并与保持度量进行比较。打开或关闭显示训练数据指标以显示训练数据模型分数的列。这些分数通常相似,但如果差异很大,则可能存在数据泄漏或过度拟合的问题。
执行以下操作:
-
在模型度量表中,选择一个模型。
-
单击显示训练数据度量。
查看超参数值
您可以查看每个算法用于训练的超参数值。有关超参数的详细信息,请参阅超参数优化。
执行以下操作:
-
在模型度量表中,单击 Hyperparameters 列中的 。
超参数值显示在弹出窗口中。
查看实验配置
实验配置窗格显示当前选定模型的实验版本配置。
执行以下操作:
-
选择实验版本中的模型。
-
单击 或查看配置以打开实验配置窗格。