Tahmin puanları amaç ve varlıklar için tahmin doğruluğunu gösterir
Önemli
LUIS 1 Ekim 2025'te kullanımdan kaldırılacak ve 1 Nisan 2023'den itibaren yeni LUIS kaynakları oluşturamayacaksınız. Devam eden ürün desteği ve çok dilli özelliklerden yararlanmak için LUIS uygulamalarınızıkonuşma dili anlama özelliğine geçirmenizi öneririz.
Tahmin puanı, LUIS'in bir kullanıcı ifadesinin tahmin sonuçları için sahip olduğu güven derecesini gösterir.
Tahmin puanı sıfır (0) ile bir (1) arasındadır. Yüksek oranda emin bir LUIS puanı örneği 0,99'dır. Düşük güvenilirlik puanı örneği 0,01'dir.
| Puan değeri | Güvenilirlik |
|---|---|
| 1 | kesin eşleşme |
| 0.99 | yüksek güvenilirlik |
| 0.01 | düşük güvenilirlik |
| 0 | eşleşmede kesin hata |
En iyi puanlama amacı
Her konuşma tahmini, en yüksek puana sahip bir amaç döndürür. Bu tahmin, tahmin puanlarının sayısal karşılaştırmasıdır.
Puanların birbirine yakınlığı
İlk 2 puan arasında çok küçük bir fark olabilir. LUIS, en yüksek puanı döndürmek dışında bu yakınlığı göstermez.
Tüm amaçlar için tahmin puanı döndürme
Test veya uç nokta sonucu tüm amaçları içerebilir. Bu yapılandırma uç noktada doğru querystring adı/değer çifti kullanılarak ayarlanır.
| Tahmin API'si | Sorgu dizesi adı |
|---|---|
| V3 | show-all-intents=true |
| V2 | verbose=true |
Benzer puanlara sahip amaçları gözden geçirme
Tüm amaçların puanını gözden geçirmek, yalnızca doğru amacın belirlendiğini doğrulamak için değil aynı zamanda ifadelerde belirlenen bir sonraki amacın puanının önemli ölçüde ve tutarlı bir şekilde düşük olduğunu doğrulamak için de iyi bir yoldur.
Birkaç amacın tahmin puanları birbirine yakınsa ifadenin bağlamına göre LUIS amaçlar arasında geçiş yapabilir. Bu durumu düzeltmek için her amaca daha fazla bağlamsal farklılık içeren konuşmalar eklemeye devam edin veya sohbet botu gibi bir istemci uygulamasına sahip olabilirsiniz ve en önemli 2 amacın nasıl işleneceği hakkında programlı seçimler yapabilirsiniz.
Çok yakın puanlara sahip olan ilk iki amaç belirlenimci olmayan eğitim nedeniyle ters çevrilebilir. En yüksek puan ikinci, ikinci en yüksek puan ise ilk en yüksek puan olabilir. Bu durumu önlemek için, 2 amacı birbirinden ayıran sözcük seçimi ve bağlamı ile bu ifadenin ilk iki amacının her birine örnek konuşmalar ekleyin. İki amacın örnek ifade sayısı yaklaşık olarak aynı olmalıdır. Eğitimden dolayı ters çevirmeyi önlemek amacıyla ayrım yapmak için puanlarda %15 fark olması iyi bir uygulamadır.
Tüm verilerle eğitim yaparak belirlenemeyen eğitimi kapatabilirsiniz.
Farklı eğitim oturumları arasındaki tahminler arasındaki farklar
Aynı modeli farklı bir uygulamada eğittiğinizde ve puanlar aynı olmadığında, bu fark belirlenimci olmayan bir eğitim (rastgelelik öğesi) olmasıdır. İkinci olarak, bir konuşmanın birden fazla amaca çakışması, aynı ifadenin en üst amacının eğitime göre değişebileceği anlamına gelir.
Sohbet botunuz bir amada güven göstermek için belirli bir LUIS puanı gerektiriyorsa, ilk iki amaç arasındaki puan farkını kullanmanız gerekir. Bu durum, eğitimdeki varyasyonlar için esneklik sağlar.
Tüm verilerle eğitim yaparak belirlenemeyen eğitimi kapatabilirsiniz.
E (üs) gösterimi
Tahmin puanları, gibi 9.910309E-070-1 aralığının üzerinde görünen üs gösterimini kullanabilir. Bu puan, çok küçük bir sayının göstergesidir.
| E gösterimi puanı | Gerçek puan |
|---|---|
| 9.910309E-07 | .0000009910309 |
Uygulama ayarları
Aksanların ve noktalama işaretlerinin tahmin puanlarını nasıl etkilediğini denetlemek için uygulama ayarlarını kullanın.
Sonraki adımlar
LUIS uygulamanıza varlık ekleme hakkında daha fazla bilgi edinmek için bkz. Varlık ekleme.