更新时间:2021-09-18 GMT+08:00
分享

训练模型

特征和算法确定后,可以开始训练模型。

训练模型

  1. 单击“模型选择”左下方的“训练模型”。

    新增“训练模型”内容,如图1所示。

    图1 训练模型

  2. 单击“训练模型”代码框左侧的图标,进行模型训练。

    模型训练完成后,界面下方展示模型的评估效果。

    第一列内容的含义如下所示:

    • 0:标注为0的所有样本。可以理解为标签。
    • 1:标注为1的所有样本。可以理解为标签。
    • macro average:所有标签结果的平均值。
    • weighted average:所有标签结果的加权平均值。

    第一行内容的含义如下所示,即模型优劣的评价指标:

    • f1-score:F1分数同时考虑精确率和召回率,让两者同时达到最高,取得平衡。
    • 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。

模型训练目录说明

模型训练完成后,训练好的模型和相关内容,都保存在如图2所示的model目录中。将model目录导出,使用新数据,直接利用已有的特征和参数、算法和参数,就可以实现模型重训练。

model目录的上级目录“learnware”是用户创建的学件项目名称。

model目录的子目录含义如下所示:

  • feature_file:存放推荐的特征配置列表文件和KPI特征画像文件。
  • model:存放训练好的模型。
  • parameter_file:存放模型推荐的算法和参数配置文件。
图2 model目录
分享:

    相关文档

    相关产品

close