Cette documentation concerne IBM Watson® Knowledge Studio on IBM Cloud®. Pour consulter la documentation de la version précédente de Knowledge Studio on IBM Marketplace, cliquez sur ce lien.

Entraîner le modèle d'apprentissage automatique

Dans IBM Watson® Knowledge Studio, la création d'un modèle d'apprentissage automatique implique d'entraîner celui-ci, puis d'évaluer dans quelle mesure il a correctement annoté des données de test et des données aveugles.

Créer un modèle d'apprentissage automatique

Lorsque vous créez un modèle d'apprentissage automatique, vous devez sélectionner les jeux de documents à utiliser pour l'entraîner et spécifier les pourcentages de documents à utiliser comme données d'apprentissage, données de test et données aveugles.

A propos de cette tâche

En explorant les métriques de performances, vous pouvez identifier différents moyens d'améliorer l'exactitude du modèle.

Restriction : Seuls trois modèles d'apprentissage automatique par instance Knowledge Studio peuvent être entraînés à la fois. Si votre instance contient plusieurs espaces de travail et que trois modèles d'apprentissage automatique sont déjà en cours d'entraînement dans d'autres espaces de travail, votre demande d'entraînement du modèle dans votre propre espace sera mise en file d'attente jusqu'à ce que les autres entraînements soient terminés.

Procédure

Pour créer un modèle d'apprentissage automatique :

Connectez-vous en tant qu'administrateur Knowledge Studio et sélectionnez votre espace de travail.
Sélectionnez Modèle d'apprentissage automatique > Performances.
Vérifiez que tous les jeux de documents ont été approuvés et que tous les conflits d'annotations ont été résolus par le biais d'un arbitrage. Seuls les documents qui sont devenus données de référence par le biais d'un arbitrage ou d'une approbation peuvent servir à entraîner le modèle.
Cliquez sur Entraîner et évaluer.
Facultatif : pour spécifier comment les documents de vos jeux de documents doivent se répartir entre jeu d'entraînement, jeu de test et jeu aveugle, cliquez sur Editer les paramètres.

Pour en savoir plus sur les rapports à appliquer, voir Gestion des jeux de documents.
Cliquez sur Train pour entraîner le modèle, ou sur Train & Evaluate pour entraîner le modèle, évaluer les annotations ajoutées par le modèle d'apprentissage automatique et analyser les statistiques de performances.

L'entraînement d'un modèle d'apprentissage automatique peut prendre plusieurs minutes ou plusieurs heures, selon le nombre d'annotations humaines qui existent et le nombre total de mots dans l'ensemble des documents.
Sélectionnez les jeux de documents que vous voulez utiliser pour entraîner le modèle.

Les jeux de documents doivent contenir au moins 10 documents annotés.
Une fois le modèle créé, choisissez l'une des actions suivantes :

Option	Description
Journal	Permet de consulter le fichier journal pour voir s'il y a eu des problèmes.
Détails	Permet de consulter les statistiques de performances d'annotation, de changer les jeux de documents à utiliser pour l'entraînement et le test du modèle et de créer des versions instantanées des artefacts du modèle.
Exporter	Si vous avez un plan Standard ou Premium, vous pouvez exporter vers votre système local un fichier `ZIP` contenant les composants dont le modèle a besoin pour fonctionner dans un environnement d'exécution d'apprentissage automatique, tel que Watson Explorer.

Evaluer les annotations ajoutées par le modèle

Vous pouvez comparer la vue des données de référence, qui contient les annotations ajoutées par les annotateurs humains, aux annotations que le modèle a ajoutées.

Procédure

Pour évaluer les annotations ajoutées par le modèle :

Sélectionnez Modèle d'apprentissage automatique > Performances > Entraîner et évaluer. La page Jeu d'entraînement / Jeu de test / Jeu aveugle apparaît.
Cliquez sur Afficher les données de référence pour le jeu d'entraînement ou le jeu de test pour voir les annotations qui ont été ajoutées par la pré-annotation et par les annotateurs humains. L'éditeur de données de référence s'ouvre. Cliquez pour ouvrir un document et voir comment les mentions, relations et mentions coréférencées y ont été annotées.
Sur la page Performances, cliquez sur Afficher les résultats de décodage pour voir les annotations que le modèle d'apprentissage automatique a ajoutées aux documents du jeu de test. Ce bouton n'est disponible qu'après l'évaluation du modèle. Les résultats affichés vous permettent de constater dans quelle mesure le modèle d'apprentissage automatique a bien étiqueté les mentions, les relations et les mentions coréférencées dans les données de test.
Si vous voulez changer la répartition des documents entre jeu d'entraînement, jeu de test et jeu aveugle, cliquez sur Performances > Entraîner et évaluer > Editer les paramètres. Par exemple, si les premiers résultats semblent acceptables, vous voudrez peut-être augmenter le nombre de documents dans le jeu de test afin de placer la barre plus haut. Vous pouvez spécifier un ratio pour chaque usage (données d'entraînement, données de test et données aveugles) et laisser le système répartir lui-même les documents proportionnellement, ou bien vous pouvez indiquer vous-même les jeux de documents spécifiques à utiliser pour ces trois groupes de données.
Si vous avez apporté des modifications, cliquez sur Train & Evaluate pour entraîner à nouveau le modèle et réévaluer les annotations.

Supprimer un modèle d'apprentissage automatique

Vous ne pouvez pas supprimer un modèle d'apprentissage automatique.

Vous pouvez supprimer l'espace de travail ayant servi au développement du modèle, mais vous ne pouvez pas supprimer le modèle lui-même. Ce ne serait pas la meilleure approche. A la place, mettez à jour ou remplacez les artefacts qui servent à entraîner le modèle. Même si celui-ci ne produit pas les résultats escomptés, vous pouvez continuer à l'affiner. Chaque fois que vous créez une nouvelle version, le modèle est entièrement reconstruit. Vous pouvez éditer des artefacts tels que les dictionnaires et le système de types. Vous pouvez aussi choisir d'utiliser d'autres jeux d'annotations pour entraîner la nouvelle version.