跳到主要内容 跳到补充内容

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 奖杯 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 ML 部署 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 ML 部署,然后单击 打开 打开所需的 ML 部署。

带有度量表和图表可视化的模型视图允许您查看模型性能

AutoML 模型视图。

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。

  1. 模型度量表的右上角,单击 列选择器

  2. 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。

查看模型

模型度量表,结果按“表现最佳者”筛选,模型使用 CatBoost 算法。

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。

  1. 模型度量表中,选择一个模型。

  2. 单击显示训练数据度量

具有保持和训练数据度量的模型度量表显示在表中,并用“t”标记。

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

  • 模型度量表中,单击 Hyperparameters 列中的 超参数

    超参数值显示在弹出窗口中。

查看超参数值

查看模型度量表中的超参数值。

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。

  1. 选择实验版本中的模型。

  2. 单击 配置窗格查看配置以打开实验配置窗格。

实验配置

实验配置窗格。

了解详情

本页面有帮助吗?

如果您发现此页面或其内容有任何问题 – 打字错误、遗漏步骤或技术错误 – 请告诉我们如何改进!