Questa documentazione è per IBM Watson® Knowledge Studio su IBM Cloud®. Per visualizzare la documentazione della versione precedente di Knowledge Studio nel IBM Marketplace, fai clic su questo link.

Preparazione del modello di machine learning

In IBM Watson® Knowledge Studio, la creazione del modello di machine learning implica la sua preparazione e la valutazione di quanto buona è stata l'esecuzione dell'annotazione dei dati di test e senza indicazioni.

Creazione di un modello di machine learning

Quando crei un modello di machine learning, selezioni le serie di documenti che vuoi utilizzare per preparare il modello e specifichi la percentuale di documenti che vengono utilizzati come dati di preparazione, di test e senza indicazioni.

Informazioni su quest'attività

Esplorando le metriche delle prestazioni, puoi identificare i modi per migliorare l'accuratezza del modello.

Limitazione: possono essere preparati contemporaneamente solo tre modelli di machine learning per istanza di Knowledge Studio. Se la tua istanza contiene più spazi di lavoro e il numero di modelli di machine learning che sta venendo preparato negli altri spazi di lavoro è già 3, la richiesta di preparazione del modello di machine learning nel tuo spazio di lavoro sarà accodata finché non finiscono gli altri processi di preparazione.

Procedura

Per creare un modello di machine learning:

  1. Accedi come amministratore Knowledge Studio e seleziona il tuo spazio di lavoro.

  2. Seleziona Machine Learning Model > Performance.

  3. Verifica che tutte le serie di documenti siano state approvate e che tutti conflitti di annotazione siano stati risolti tramite il giudizio. Solo i documenti che sono diventati ground truth tramite il giudizio o l'approvazione possono essere utilizzati per preparare il modello.

  4. Fai clic su Train and evaluate.

  5. Facoltativo: per specificare come vuoi assegnare i documenti dalle tue serie di documenti da utilizzare per le serie di preparazione, test e senza indicazioni al livello del sistema, fai clic su Edit settings.

    Per ulteriori informazioni sui rapporti da applicare, vedere Gestione dei set di documenti.

  6. Fare clic su Addestra per addestrare il modello, oppure su Addestra e valuta per addestrare il modello, valutare le annotazioni aggiunte dal modello di apprendimento automatico e analizzare le statistiche sulle prestazioni.

    L'addestramento di un modello di apprendimento automatico può richiedere alcuni minuti o alcune ore, a seconda del numero di annotazioni umane esistenti e del numero totale di parole in tutti i documenti.

  7. Seleziona le serie di documenti che vuoi utilizzare per la preparazione del modello.

    I set di documenti devono contenere almeno 10 documenti annotati.

  8. Dopo aver creato il modello, seleziona una delle seguenti azioni:

Opzione Descrizione
Log Visualizza il file di log per vedere se si sono verificati dei problemi.
Dettagli Visualizza le statistiche delle prestazioni di annotazione, modifica le serie di documenti che vuoi utilizzare 
          per la preparazione e il test del modello e crea l'istantanea delle versioni delle risorse
          del modello. |

| Esporta | Se si dispone di un piano Standard o Premium, è possibile esportare sul sistema locale un file ZIP che contiene i componenti necessari per l'esecuzione del modello in un ambiente di runtime di apprendimento automatico, come Watson Explorer. |

Valutazione delle annotazioni aggiunte dal modello

Puoi confrontare la vista del ground truth delle annotazioni aggiunte dagli annotatori umani rispetto a quelle aggiunte dal modello.

Procedura

Per valutare le annotazioni aggiunte dal modello:

  1. Seleziona Machine Learning Model > Performance > Train and evaluate. Viene visualizzata la pagina Training/Test/Blind Sets.
  2. Fai clic su View Ground Truth della serie di preparazione o di test per visualizzare le annotazioni che sono state aggiunte tramite la pre-annotazione o dagli annotatori umani. Si apre l'editor ground truth. Fai clic per aprire i documenti individuali e vedere come citazioni, relazioni e citazioni di coreferenza sono state annotate.
  3. Nella pagina Performance, fai clic su View Decoding Results per visualizzare le annotazioni che il modello di machine learning ha aggiunto ai documenti nella serie di test. Questo pulsante è disponibile solo dopo che valuti il modello. Visualizzando i risultati, puoi vedere quanto bene il modello di machine learning ha etichettato le citazioni, le relazioni e le citazioni di coreferenza nei dati di test.
  4. Se vuoi modificare come i documenti sono stati suddivisi tra le serie di preparazione, test e senza indicazioni, fai clic su Performance > Train and evaluate > Edit Settings. Ad esempio, se i risultati iniziali sembrano accettabili, potresti voler aumentare il numero di documenti nella serie di test per verificare ulteriormente i risultati del modello di machine learning. Puoi modificare il rapporto di quanti documenti sono automaticamente suddivisi per scopi diversi o puoi selezionare le serie di documenti specifiche da utilizzare come dati di preparazione, test e senza indicazioni.
  5. Se sono state apportate modifiche, fare clic su Train & Evaluate per riqualificare il modello e rivalutare le annotazioni.

Eliminazione di un modello di machine learning

Non puoi eliminare un modello di machine learning.

Puoi eliminare lo spazio di lavoro che è stato utilizzato per sviluppare il modello ma non il modello stesso. L'eliminazione di un modello non è l'approccio migliore. Invece, aggiorna o sostituisci le risorse che sono state utilizzate per preparare il modello. Anche se il modello non sta producendo i risultati previsti, puoi continuare a rifinirlo. Ogni volta che crei una nuova versione, il modello viene creato nuovamente. Puoi modificare le risorse come i dizionari e i tipi di sistema e scegliere di utilizzare serie di annotazioni differenti quando prepari la versione successiva.