Uw leerlus analyseren met een offline evaluatie
Meer informatie over het voltooien van een offline evaluatie en het begrijpen van de resultaten.
Met offline-evaluaties kunt u meten hoe effectief Personalizer is vergeleken met het standaardgedrag van uw toepassing, leren welke functies het meest bijdragen aan personalisatie en automatisch nieuwe machine learning ontdekken.
Meer informatie over offline-evaluaties voor meer informatie.
Vereisten
- Een geconfigureerde Personalizer-lus
- De Personalizer-lus moet een representatieve hoeveelheid gegevens bevatten. We raden ten minste 50.000 gebeurtenissen aan in de logboeken voor zinvolle evaluatieresultaten. U kunt eventueel ook eerder geëxporteerde leerbeleidsbestanden hebben die u in dezelfde evaluatie kunt vergelijken en testen.
Een offline-evaluatie uitvoeren
Zoek uw Personalizer Azure Portal resource in de Azure Portal.
Ga in Azure Portal naar de sectie Evaluaties en selecteer Evaluatie maken.
Configureer de volgende waarden:
- Een evaluatienaam.
- Begin- en einddatum: dit zijn datums die het gegevensbereik opgeven dat in de evaluatie moet worden gebruikt. Deze gegevens moeten aanwezig zijn in de logboeken, zoals opgegeven in de waarde voor gegevensretentie.
- Optimalisatiedetectie is ingesteld op ja.
Start de evaluatie door OK te selecteren.
De evaluatieresultaten bekijken
Evaluaties kunnen lang duren, afhankelijk van de hoeveelheid gegevens die moet worden verwerkt, het aantal te vergelijken leerbeleidsregels en of een optimalisatie is aangevraagd.
Als dit is voltooid, kunt u de evaluatie selecteren in de lijst met evaluaties en vervolgens De score van uw toepassing vergelijken met andere mogelijke leerinstellingen selecteren. Selecteer deze functie als u wilt zien hoe uw huidige leerbeleid presteert in vergelijking met een nieuw beleid.
Bekijk de prestaties van het leerbeleid.
Selecteer Toepassen om het beleid toe te passen dat het model het beste verbetert voor uw gegevens.
Volgende stappen
- Meer informatie over hoe offline evaluaties werken.