導入
開発中にモデルを調整するときは、変更によってモデルが改善されているかどうかを確認する必要があります。精度を確認するだけでは不十分な場合があります。たとえば、インスタンスの 95% が陽性である問題の分類器がある場合、常に陽性を予測するだけで精度を向上できる可能性がありますが、非常に堅牢な分類器はありません。
概要
TensorFlow モデル分析の目標は、TFX でモデル評価のメカニズムを提供することです。 TensorFlow モデル分析を使用すると、TFX パイプラインでモデル評価を実行し、結果のメトリクスとプロットを Jupyter ノートブックで表示できます。具体的には、以下を提供できます。
- トレーニングおよびホールドアウト データセット全体、および翌日の評価に基づいて計算されたメトリクス
- 長期にわたるメトリクスの追跡
- さまざまな機能スライスでのモデル品質のパフォーマンス
- モデルが一貫したパフォーマンスを維持していることを確認するためのモデル検証
次のステップ
TFMA チュートリアルをお試しください。
サポートされているメトリクスとプロット、および関連するノートブックの視覚化の詳細については、 githubページを確認してください。
スタンドアロン パイプラインでのセットアップ方法に関する情報と例については、インストールおよびスタートガイドを参照してください。 TFMA は TFX のEvaluatorコンポーネント内でも使用されるため、これらのリソースは TFX を始めるのにも役立ちます。