Verfolgen Sie die Ergebnisse der Klassifizierungsvorhersage im Zeitverlauf

  • Freigeben Version: Yokohama
  • Aktualisiert 30. Januar 2025
  • 1 Minute Lesedauer

    • Verwenden Sie das Dashboard „Vorhersageergebnisse“, um zu bestimmen, ob sich die Vorhersagen der Klassifizierungslösung mit der Zeit verbessern. Identifizieren Sie Lösungen, die verfeinert oder erneut trainiert werden müssen.

    Vorbereitungen

    • Erforderliche Rolle: admin, ml_admin oder ml_report_user

    Warum und wann dieser Vorgang ausgeführt wird

    Das Dashboard „Vorhersageergebnisse“ erstellt Berichte zu Abdeckung, Genauigkeit und Rückruf im Laufe der Zeit für Klassifizierungslösungen.

    Mit dem Release Xanadu wurde dieses Dashboard in die Anwenderoberfläche Next Experience migriert. Kunden, die von früheren Releases upgraden, können über das aktuelle Dashboard auf die Version Core-UI zugreifen. Das Dashboard „Vorhersageergebnisse“ für Klassifizierungslösungen, das in der Next Experience-UI angezeigt wird.

    Im Dashboard „Vorhersageergebnisse“ werden Statistiken in zwei Zeitrahmen bereitgestellt: Durchschnitt für die letzten 30 Tage und täglich. Die Indikatoren Abdeckung, Genauigkeitund Rückruf sind wie folgt definiert.
    Tabelle : 1. Indikatoren für Vorhersageergebnisse
    Berichtstyp Definition
    Abdeckung Der Prozentsatz der Vorhersagen, die aus der Gesamtzahl der versuchten Vorhersagen ein Ergebnis zurückgegeben haben.
    Genauigkeit Der Prozentsatz der Vorhersagen, bei denen der vorhergesagte Wert mit dem endgültigen Wert des Felds beim Schließen des Berichts identisch war.
    Zurückrufen Prozentsatz der richtigen Vorhersagen, die aus der Gesamtzahl der versuchten Vorhersagen ein Ergebnis zurückgegeben haben.

    Prozedur

    1. Navigieren zu Alle > Predictive Intelligence > Klassifizierung > Vorhersage-Ergebnisbericht.
    2. Wählen Sie in der Eingabeaufforderung Nach Lösung filtern des Dashboard für Vorhersage-Ergebnisse die Lösungsstatistiken aus, die Sie überprüfen möchten.
      Das System aktualisiert das Dashboard abhängig von der ausgewählten Lösung.
    3. Identifizieren Sie Klassen mit anomalen Abdeckungs-, Genauigkeits- oder Erinnerungswerten.
      Identifizieren Sie beispielsweise Lösungen, bei denen Abdeckung, Genauigkeit oder Rückruf mit der Zeit abnimmt.

    Nächste Maßnahme

    Verfeinern Sie den Lösungsdefinitionsfilter, indem Sie nach Bedarf Klassen ein- oder ausschließen. Trainieren Sie die Lösung nach der Aktualisierung erneut.