模型管理

当工程顺利运行完成时,系统会自动生成AI模型并展示在“模型管理”列表中。命名规则为“模型_”加上工程的名字,如果出现重名,系统会自动在其后边加数字以区分。

点击模型名称,可以弹出窗口展示模型的详细信息。

第一个Tab展示模型的基本信息,指标,超参以及训练过程中的收敛曲线。

上图所示的是第二个Tab,Precision/Recall 阈值调整,注意只有分类模型,并且分类的数目为两类时(二分类)才会出现此Tab。

用法如下:

这里需要用户有一定的机器学习基础知识,懂得“查准率”,“查全率”,“混淆矩阵”的概念。

选择好正样本后,可以看到各种指标。用户可以根据业务需要,手动调整查准率与查全率的平衡。

点击“设置为最大Recall”或“设置为最大Precision”按钮,系统会自动计算二者最大值,并将指针自动指向相关位置。

点击保存设置后,如果再次用模型来预测,系统会根据这里的阈值来做二分类的预测。

“重新评估”页面的功能即重新选择一个评估数据集,再次为模型评估指标。当运行完成后,新的指标会显示在模型信息里。

在模型管理列表中,也有一列“指标”,这里只会显示一些常用的指标。当多分类时,会显示混淆矩阵。(二分类的不会在这里显示,因为会在Precision/Recall 阈值调整页面显示)

需要点击“发布”后,才可以使用模型的预测功能。上图为第一个Tab,批量预测。

使用方法:

  1. 在左侧选择预测数据源,注意此数据表结构一定要与训练数据及评估数据一致,当然,无需“标签”列。
  2. 在右侧选择“预测结果”表的存储位置,系统会自动生成一个结果表名,用户可以更改或不更改。
  3. 点击“开始批量预测”。
  4. 当运行100%完成后,可以点击“预测结果”直接跳转到结果表。

第二个标签为REST API,此部分详细说明会放在此文档最后的“REST API说明”部分。