Analysera din inlärningsloop med en offlineutvärdering
Lär dig hur du slutför en offlineutvärdering och förstår resultaten.
Med offlineutvärderingar kan du mäta hur effektiv personanpassning är jämfört med standardbeteendet för ditt program, lära dig vilka funktioner som bidrar mest till personanpassning och identifiera nya maskininlärningsvärden automatiskt.
Läs mer om offlineutvärderingar.
Förutsättningar
- En konfigurerad loop för personanpassare
- Personanpassar-loopen måste ha en representativ mängd data – som en ballpark rekommenderar vi minst 50 000 händelser i loggarna för meningsfulla utvärderingsresultat. Du kan också ha exporterat utbildningsprincipfiler som du kan jämföra och testa i samma utvärdering.
Köra en offlineutvärdering
I Azure Portalletar du upp din personanpassarresurs.
I Azure Portal går du till avsnittet Utvärderingar och väljer Skapa utvärdering.
Konfigurera följande värden:
- Ett utvärderingsnamn.
- Start- och slutdatum – det här är datum som anger det dataintervall som ska användas i utvärderingen. Dessa data måste finnas i loggarna, enligt vad som anges i värdet för databevarande.
- Optimeringsidentifiering inställd på ja.
Starta utvärderingen genom att välja Ok.
Granska utvärderingsresultaten
Utvärderingarna kan ta lång tid att köra, beroende på mängden data som ska bearbetas, antalet inlärningsprinciper att jämföra och om en optimering har begärts.
När du är klar kan du välja utvärderingen i listan över utvärderingar och sedan välja Jämför poängen för ditt program med andra potentiella inlärningsinställningar. Välj den här funktionen när du vill se hur din aktuella inlärningsprincip fungerar jämfört med en ny princip.
Granska prestanda för inlärningsprinciperna.
Välj Tillämpa för att tillämpa den princip som förbättrar modellen bäst för dina data.
Nästa steg
- Läs mer om hur offlineutvärderingar fungerar.