introduzione
Quando modifichi il modello durante lo sviluppo, devi verificare se le modifiche apportate stanno migliorando il tuo modello. Il semplice controllo della precisione potrebbe non essere sufficiente. Ad esempio, se disponi di un classificatore per un problema in cui il 95% delle istanze sono positive, potresti essere in grado di migliorare la precisione semplicemente prevedendo sempre positivo, ma non disporrai di un classificatore molto robusto.
Panoramica
L'obiettivo di TensorFlow Model Analysis è fornire un meccanismo per la valutazione del modello in TFX. TensorFlow Model Analysis ti consente di eseguire valutazioni del modello nella pipeline TFX e visualizzare le metriche e i grafici risultanti in un notebook Jupyter. Nello specifico può fornire:
- Metriche calcolate sull'intero set di dati di formazione e controllo, nonché valutazioni del giorno successivo
- Monitoraggio delle metriche nel tempo
- Prestazioni di qualità del modello su diverse sezioni di funzionalità
- Convalida del modello per garantire che il modello mantenga prestazioni costanti
Prossimi passi
Prova il nostro tutorial TFMA .
Controlla la nostra pagina github per i dettagli sulle metriche e sui grafici supportati e sulle visualizzazioni dei taccuini associati.
Consulta le guide di installazione e introduttive per informazioni ed esempi su come eseguire la configurazione in una pipeline autonoma. Ricordiamo che TFMA viene utilizzato anche all'interno del componente Evaluator in TFX, quindi queste risorse saranno utili anche per iniziare a utilizzare TFX.