Évaluer la précision au niveau du champ pour les modèles à sorties multiples

Évaluer les performances de votre modèle par champ.

Avant de commencer

Rôle requis : administrateur

Pourquoi et quand exécuter cette tâche

Une fois que vous avez créé et testé votre modèle, évaluez ses performances pour évaluer dans quelle mesure il prédit ce que vous voulez qu’il prédise. Pour les modèles multi-sorties qui prédisent plusieurs champs, vous pouvez évaluer les performances de chaque champ individuellement.

Si vous n’avez pas encore créé de modèle, consultez ou Create a model to predict record fieldsCréer un modèle pour prédire les champs d’incident afin d’en créer un.

Votre modèle doit être en mode de surveillance. Vous pouvez définir le mode de surveillance sur l’écran Évaluer votre modèle. Pour plus d’informations, consultez l’étape Définir vos préférences dans Créer un modèle de prédiction de champs de ticket ou Créer un modèle pour prédire les champs d’incidents .

Procédure

1. Accédez aux résultats de prédiction (ml_predictor_results_task) en saisissant ml_predictor_results_task.list dans le navigateur d’application.
2. Filtrez le nom de la valeur de sortie prévue pour le nom du champ que vous souhaitez évaluer, tel que « produit » ou « catégorie ».
3. Regroupez la liste par Prévisions correctes en sélectionnant l’icône des contrôles de liste dans le coin supérieur gauche de l’écran.
   
4. Divisez le nombre d’enregistrements pour lesquels Prédit correctement est vrai par le nombre total d’enregistrements.
   Cela représente votre précision pour le champ spécifique.
5. Suivez les étapes 2 à 4 pour chaque champ dans lequel vous souhaitez calculer la précision.
6. Facultatif : Affichez les performances de votre modèle sur l’écran Monitoring.
   1. Accédez à la Task Intelligence pour le service clientèle > Monitoring dans le navigateur d’application.

      L’écran Surveillance vous permet de sélectionner le modèle, le champ et la plage de dates à afficher dans les graphiques. La précision est mesurée selon que la valeur la plus élevée renseignée automatiquement ou les 3 premières recommandations sont correctes.

      

   2. Sélectionnez un modèle.
   3. Sélectionnez une colonne de sortie pour le champ.
   4. Sélectionnez une plage de dates.

Que faire ensuite

Si la précision de chaque champ est acceptable, faites passer votre modèle du mode de surveillance aux prédictions en temps réel et déployez-le. Si la précision d’un champ spécifique n’est pas acceptable, vous pouvez supprimer ce champ de sortie de votre modèle, le reformer et le déployer. Reportez-vous à la rubrique Modifier un Intelligence des tâches modèle pour plus d’informations sur la modification de votre modèle.