Statistiken für Klassifizierungslösungen anzeigen

Das Dashboard „Lösungsstatistiken“ in Predictive IntelligenceXanadu wurde im Release [] als veraltet markiert. Es wurden Genauigkeits- und Abdeckungsstatistiken für jede Klasse in einer Klassifizierungslösung bereitgestellt.

Vorbereitungen

• Erforderliche Rolle: admin, ml_admin oder ml_report_user

Warum und wann dieser Vorgang ausgeführt wird

Wichtig:

Mit dem Release Xanadu wird das Dashboard „Lösungsstatistiken“ nicht mehr unterstützt. Kunden, die ein Upgrade durchführen, können ihre vorhandenen Lösungsstatistik-Dashboards über das Anwendungsmenü weiterhin verwenden. Für Neukunden, deren Onboarding mit dem Release Xanadu erfolgt, ist das Dashboard „Lösungsstatistiken“ nicht verfügbar. Die folgenden Informationen werden für den Legacy-Kontext bereitgestellt.

Das Dashboard für Lösungsstatistiken listet die Genauigkeit, die Abdeckung und die Verteilung für jede Klasse von aktiven Lösungen auf. Das System verwendet die Klassen mit der höchsten Anzahl von Datensätzen beim Erstellen einer Lösung. Die Anzahl der vorhergesagten Klassen kann weniger als 50 betragen. Eine Klasse kann übersprungen werden, wenn nicht genügend Verlaufsdaten zum Erstellen einer Lösung vorhanden sind, mit der die Klasse zuverlässig vorhergesagt werden kann.

Das Dashboard „Lösungsstatistiken“ unterscheidet sich von der Registerkarte „Lösungsstatistiken“ in einem ML-Lösungsdatensatz. Weitere Informationen finden Sie unter Klassifizierungslösung erstellen und trainieren.

Prozedur

1. Navigieren zu Alle > Predictive Intelligence > Klassifizierung > Lösungsstatistiken.
2. Wählen Sie unter Nach Lösung filtern die Lösung aus, deren Statistiken Sie überprüfen möchten.
3. Wählen Sie unter Nach Version filtern die Lösungsversion aus, deren Statistiken Sie überprüfen möchten.
4. Klicken Sie auf Übernehmen.
   Das System aktualisiert das Dashboard basierend auf den ausgewählten Filtern.

   

5. Identifizieren Sie Klassen mit unerwünschten Kombinationen von Genauigkeits-, Abdeckungs- und Verteilungswerten.
   Identifizieren Sie beispielsweise Klassen, die eine geringe Genauigkeit oder Abdeckung, aber eine hohe Verteilung haben.
6. Identifizieren Sie fehlende Klassen, die das Modell enthalten soll.
   Identifizieren Sie beispielsweise fehlende Incident-Kategorien aus der Incident-Klassifizierungslösung.

Nächste Maßnahme

Wenn Sie mit der überprüften Lösung zufrieden sind, ist die aktuelle Version bereits aktiv und einsatzbereit. Wenn Sie nicht zufrieden sind, können Sie eine andere Version der Lösung auswählen und diese aktivieren. Sie können die Lösung auch wiederholt optimieren, indem Sie für die Klassengenauigkeit und -abdeckung akzeptable Werte konfigurieren.