Il punteggio di affidabilità comunica l'efficacia con cui il modello associa ogni classe o etichetta a un elemento di test. Più elevato è il numero, maggiore è la certezza del modello che l'etichetta debba essere applicata all'elemento. Sei tu a decidere quanto deve essere alto il punteggio di affidabilità per poter accettare i risultati del modello.
Dispositivo di scorrimento della soglia di punteggio
Nella console Google Cloud, Vertex AI fornisce un dispositivo di scorrimento utilizzato per regolare la soglia di affidabilità per tutte le classi o le etichette oppure per una singola classe o etichetta. Il dispositivo di scorrimento è disponibile nella pagina dei dettagli di un modello nella scheda Valuta. La soglia di affidabilità è il livello di confidenza che il modello deve avere per assegnare una classe o un'etichetta a un elemento di test. Mentre regoli la soglia, puoi vedere come cambiano la precisione e il richiamo del modello. Soglie più alte in genere aumentano la precisione e riducono il richiamo.
Esempio di output di previsione batch
Il seguente esempio è il risultato previsto per un modello di classificazione con più etichette. Il modello ha applicato le etichette GreatService, Suggestion e InfoRequest al documento inviato. I valori di affidabilità si applicano
a ciascuna etichetta in ordine. In questo esempio, il modello ha previsto GreatService come
etichetta più pertinente.
{
"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
]
}
]
}