關於此作業

藉由探索效能度量值，您可以識別用來改善模型正確性的方式。

**限制：**每個 Knowledge Studio 實例每次只能訓練三個機器學習模型。 如果您的實例包含多個工作區，而且正在其他工作區中訓練之機器學習模型的數目，總計已有 3 個，則在其他訓練程序完成之前，您要在工作區中訓練機器學習模型的要求將排入佇列。

程序

若要建立機器學習模型，請執行下列動作：

1. 以 Knowledge Studio 管理者身分登入，並選取您的工作區。

2. 選取機器學習模型 > 效能。

3. 驗證已核准所有文件集，並且已透過裁定解決所有註釋衝突。 只有已透過裁定或核准變成基準的文件，才能用來訓練模型。

4. 按一下訓練並評估。

5. 選用項目：若要指定您要如何配置文件集中要由系統層次訓練集、測試集或盲目集使用的文件，請按一下編輯設定。

   如需套用哪些比例的相關資訊，請參閱文件集管理。

6. 按一下「訓練」以訓練模型，或按一下「訓練與評估」以訓練模型、評估機器學習模型新增的註解，並分析效能統計資料。

   訓練機器學習模型可能需要數分鐘或幾小時的時間，視存在的人工註釋數目及所有文件中的總字數而定。

7. 選取您要用於訓練模型的文件集。

   文件集必須至少包含 10 個已註釋的文件。

8. 在建立模型之後，請選取下列其中一個動作：

程序

若要評估模型所新增的註釋，請執行下列動作：

1. 選取機器學習模型 > 效能 > 訓練並評估。 即會顯示「訓練/測試/盲目集」頁面。
2. 對訓練集或測試集按一下檢視基準，以查看透過預先註釋和註釋人員所新增的註釋。 即會開啟基準編輯器。 按一下以開啟個別文件，並查看提及項目、關係及互相參照之提及項目的註釋方式。
3. 在效能頁面上，按一下檢視解碼結果，以查看機器學習模型新增至測試集中之文件的註釋。 只有在您評估模型之後，才能使用此按鈕。 藉由檢視結果，您可以查看在測試資料中，機器學習模型標示為提及項目、關係及互相參照之提及項目的程度。
4. 如果您要變更訓練、測試與盲目資料集之間的文件劃分方式，請按一下效能 > 訓練並評估 > 編輯設定。 例如，如果起始結果似乎可接受，則您可能想要增加測試集中的文件數，以進一步測試機器學習模型的結果。 您可以變更基於不同用途自動劃分文件的比率，也可以選取特定文件集作為訓練資料、測試資料及盲目資料。
5. 如果您做了任何變更，請按一下「訓練與評估」以重新訓練模型並重新評估註解。