Statistiken für Klassifizierungslösungen anzeigen

Das Dashboard „Lösungsstatistiken“ in Predictive Intelligence Wurde in veraltet Xanadu Release. Es stellte Genauigkeits- und Abdeckungsstatistiken für jede Klasse in einer Klassifizierungslösung bereit.

Vorbereitungen

• Erforderliche Rolle: admin, ml_admin oder ml_report_user

Warum und wann dieser Vorgang ausgeführt wird

Wichtig:

Mit Zurich Release: Das Dashboard „Lösungsstatistiken“ ist veraltet. Kunden, die ein Upgrade durchführen, können ihre vorhandenen Lösungsstatistiken-Dashboards weiterhin über das Anwendungsmenü verwenden. Für neue Kunden – Onboarding mit Zurich Release: Das Dashboard „Lösungsstatistiken“ ist nicht verfügbar. Die folgenden Informationen werden für 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 und kann eine Klasse überspringen, wenn nicht genügend Verlaufsdaten vorhanden sind, um eine Lösung zu erstellen, die die Klasse zuverlässig vorhersagen 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 > Lösungsstatistikenan.
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 von Ihnen überprüften Lösung zufrieden sind, ist die neueste 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.