precision：精确率，又被称为查准率，是针对预测结果而言的。含义为在被预测为正的样本中实际为正样本的概率。 recall：召回率，又被称为查全率，是针对原样本而言的。含义为在实际为正的样本中被预测为正样本的概率。 support：每类标签出现的次数。 模型训练完成后，可以查看归档的模型文件，如模型训练目录说明所示。

查看更多 →

被用户标注为某个分类的所有样本中，模型正确预测为该分类的样本比率，反映模型对正样本的识别能力。 precision：精确率 被模型预测为某个分类的所有样本中，模型正确预测的样本比率，反映模型对负样本的区分能力。 accuracy：准确率 所有样本中，模型正确预测的样本比率，反映模型对样本整体的识别能力。

查看更多 →

生成ASP报告的总的样本数。 Slice Count 总的采样次数。 Average Active Sessions 平均活跃会话数。 Boundary Time 内存中样本和磁盘样本的分割时间点。 Data Source 生成ASP报告的样本中，来自内存中的样本数和来自磁盘上的样本数。 表2

查看更多 →

总文件大小(字节)。 total_sample_count Long 样本总数量。 total_sub_sample_count Long 从父样本生成的子样本总数。 unconfirmed_sample_count Long 待确认样本数量。 update_ms Long 任务更新时间。 表3

查看更多 →

ModelArts标注完样本集后，如何保证退出后不再产生计费？ 标注样本集本身不计费，数据集存储在OBS中，收取OBS的费用。建议您前往OBS控制台，删除存储的数据和OBS桶，即可停止收费。 父主题： 计费FAQ

查看更多 →

object 通过样本属性搜索。 parent_sample_id String 父样本ID。 sample_dir String 根据样本所在目录搜索（目录需要以/结尾），只搜索指定目录下的样本，不支持目录递归搜索。 sample_name String 根据样本名称搜索（含后缀名）。

查看更多 →

APM中，Apdex阈值即自定义阈值中设置的阈值，应用响应时延即服务时延，Apdex取值范围为0～1，计算公式如下： Apdex=（满意样本*1+可容忍样本*0.5+令人沮丧样本*0）/样本总数 其计算结果表示应用的不同性能状态，即用户对应用的体验结果，采用不同的颜色表示，如表1： 表1 Apdex说明

查看更多 →

“详细评估”左侧在搜索框中搜索标签，右侧显示正确标签所对应样本的正确标签和预测标签，您可以对比正确标签和预测标签，判断当前模型对该样本的预测是否正确。 例如搜索框内输入标签“1”，下方会显示正确标签为“1”的样本中，预测正确的样本数在验证集中的占比。右侧显示正确标签为“1”的样本信息，包括样本的正确标签和预测标签。

查看更多 →

总文件大小(字节)。 total_sample_count Long 样本总数量。 total_sub_sample_count Long 从父样本生成的子样本总数。 unconfirmed_sample_count Long 待确认样本数量。 update_ms Long 任务更新时间。 表5

查看更多 →

object 通过样本属性搜索。 parent_sample_id 否 String 父样本ID。 sample_dir 否 String 根据样本所在目录搜索（目录需要以/结尾），只搜索指定目录下的样本，不支持目录递归搜索。 sample_name 否 String 根据样本名称搜索（含后缀名）。

查看更多 →

True Positive（TP）：真正类。样本的真实类别是正类，并且模型识别的结果也是正类； False Negative（FN）：假负类。样本的真实类别是正类，但是模型将其识别为负类； False Positive（FP）：假正类。样本的真实类别是负类，但是模型将其识别为正类；

查看更多 →

timestamp without time zone 采样的时间。 need_flush_sample boolean 该样本是否需要刷新的磁盘。 databaseid oid 数据库ID。 thread_id bigint 线程的ID。 sessionid bigint 会话的ID。 start_time

查看更多 →

被用户标注为某个分类的所有样本中，模型正确预测为该分类的样本比率，反映模型对正样本的识别能力。 precision：精确率 被模型预测为某个分类的所有样本中，模型正确预测的样本比率，反映模型对负样本的区分能力。 accuracy：准确率 所有样本中，模型正确预测的样本比率，反映模型对样本整体的识别能力。

查看更多 →

召回率 被用户标注为某个分类的所有样本中，模型正确预测为该分类的样本比率，反映模型对正样本的识别能力。 精确率 被模型预测为某个分类的所有样本中，模型正确预测的样本比率，反映模型对负样本的区分能力。 准确率 所有样本中，模型正确预测的样本比率，反映模型对样本整体的识别能力。 F1值 F

查看更多 →

Boolean 是否只导入难例。可选值如下： true：只导入难例样本 false：导入全部样本（默认值） excluded_labels 否 Array of Label objects 不导入包含指定标签的样本。 final_annotation 否 Boolean 是否导入到最终状态。可选值如下：

查看更多 →

数据集的样本统计信息，包括样本元信息的统计，json格式。 data_validate Boolean 发布前数据是否经过校验算法校验。可选值如下： true：数据经过校验 false：数据未经过校验 deleted_sample_count Integer 已删除的样本数量。 deletion_stats

查看更多 →

验收操作。可选值如下： 0：完成验收时，通过全部样本（包括单张驳回）。 1：完成验收时，驳回全部样本（包括单张通过）。 4：完成验收时, 只通过单张验收通过的样本及未处理的样本。 5：完成验收时, 只驳回单张验收驳回的样本及未处理的样本。 checking_stats CheckTaskStats

查看更多 →

Integer 数据集样本总数。 total_sub_sample_count Integer 由父样本所产生的子样本总数，比如：从视频标注数据集中抽取的关键帧图片总数就是子样本总数。 unconfirmed_sample_count Integer 智能标注待确认的标注样本数。 update_time

查看更多 →

watcher正在从中读取记录的当前段 样本丢弃率 次/秒 在通过远程写入发送之前，从WAL读取后丢弃的样本速率。 样本失败率 次/秒 发送到远程存储时失败的样本失败速率，不可恢复错误。 样本重试率 次/秒 在发送到远程存储时失败但由于发送错误可恢复而重试的样本速率 入队失败重试率 次/秒 由于分片队列已满而入队失败重试速率

查看更多 →

被用户标注为某个分类的所有样本中，模型正确预测为该分类的样本比率，反映模型对正样本的识别能力。 precision 精确率 被模型预测为某个分类的所有样本中，模型正确预测的样本比率，反映模型对负样本的区分能力。 accuracy 准确率 所有样本中，模型正确预测的样本比率，反映模型对样本整体的识别能力。

查看更多 →

图1 模型部署 模型部署完成后，单击“发起预测”，在系统弹窗中填写要预测的“样本id”和“模型特征”对应的数值，然后单击“预测”，就会有系统弹窗弹出，显示预测结果。 注意：样本id从创建作业选择数据集的样本id列获取。 图2 发起预测 父主题： 实时预测

查看更多 →