训练模型

前提条件

已在自然语言处理套件控制台选择“通用实体抽取工作流”新建应用，并选择训练数据集，详情请见选择数据。

训练模型

图1 模型训练

在“模型训练”页面配置训练参数，开始训练模型。

在“参数配置”填写“学习率”、“训练轮次”和“分批训练样本数”。

• “学习率”用来控制模型的学习速度，范围为(0,1]。
• “训练轮次”指模型训练中遍历数据集的次数。
• “分批训练样本数”又叫批尺寸（Batch Size），指一次训练所抓取的数据样本数量，影响训练速度及模型优化效果。

确认信息后，单击“开始训练”。

模型训练一般需要运行一段时间，等模型训练完成后，“模型训练”页面下方显示训练详情。

查看训练详情

模型训练完成后，可在“模型训练”页面查看“训练详情”，包括“准确率变化情况”和“误差变化”。

图2 训练详情

模型如何提升效果

• 检查是否存在训练数据过少的情况，建议每个标签的样本数不少于100个，如果低于这个量级建议扩充。
• 检查不同标签的样本数是否均衡，建议不同标签的样本数量级相同，并尽量接近，如果有的类别数据量很高，有的类别数据量较低，会影响模型整体的识别效果。
• 选择适当的学习率和训练轮次。
• 通过详细评估中的错误识别示例，有针对性地扩充训练数据。

后续操作

模型训练完成后，单击“下一步”，进入应用开发的“模型评估”步骤，详细操作指引请参见评估模型。