解读文本分类模型的预测结果

从 2024 年 9 月 15 日起，您只能通过转换到 Vertex AI Gemini 提示和调优来自定义分类、实体提取和情感分析目标。您将无法再针对文本分类、实体提取和情感分析目标训练或更新 Vertex AI AutoML 模型。您可以继续使用现有的 Vertex AI AutoML Text 模型，直到 2025 年 6 月 15 日。如需了解 AutoML 文本和 Gemini 的比较情况，请参阅适用于 AutoML 文本用户的 Gemini。如需详细了解 Gemini 如何通过改进提示功能来提供增强的用户体验，请参阅调优简介。如需开始使用调优，请参阅 Gemini 文本模型的模型调优

请求预测后，Vertex AI 会根据您的模型目标返回结果。多标签分类模型的预测结果会为每个文档返回一个或多个标签，并为每个标签返回一个置信度分数。对于单标签分类模型，预测结果仅会为每个文档返回一个标签和置信度分数。

置信度分数传达了模型将每个类列或标签与测试项相关联的强度。该数值越高，模型应用于该项的置信度就越高。您可以决定接受模型的置信度分数为多高。

分数阈值滑块

在 Google Cloud 控制台中，Vertex AI 提供一个滑块，用于调整所有类别或标签或者单个类别或标签的置信度阈值。滑块显示在评估标签页的模型详情页面上。置信度阈值是模型为测试项分配类或标签时必须具有的置信度水平。通过调整阈值，您可以看到模型的精度和召回率变化。较高的阈值通常可以提高精确率，并会降低召回率。

批量预测输出示例

以下示例是多标签分类模型的预测结果。该模型对提交的文档应用了 GreatService、Suggestion 和 InfoRequest 标签。置信度值会按顺序应用于每个标签。在此示例中，模型预测了 GreatService 作为最相关的标签。

注意：以下 JSON 行示例包含换行符便于阅读。在您的 JSONL 行文件中，请仅在每个 JSON 对象后添加换行符。

{
  "instance": {"content": "gs://bucket/text.txt", "mimeType": "text/plain"},
  "predictions": [
    {
      "ids": [
        "1234567890123456789",
        "2234567890123456789",
        "3234567890123456789"
      ],
      "displayNames": [
        "GreatService",
        "Suggestion",
        "InfoRequest"
      ],
      "confidences": [
        0.8986392080783844,
        0.81984345316886902,
        0.7722353458404541
      ]
    }
  ]
}