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