Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Tras entrenar el modelo, Amazon Comprehend prueba el modelo de clasificador personalizado. Si no proporciona un conjunto de datos de prueba, Amazon Comprehend entrena el modelo con el 90 % de los datos de entrenamiento. Reserva el 10 % de los datos de entrenamiento para usarlos en las pruebas. Si proporciona un conjunto de datos de prueba, los datos de la prueba deben incluir; al menos, un ejemplo para cada etiqueta única del conjunto de datos de entrenamiento.
Probar el modelo le proporciona métricas que puede usar para estimar la precisión del modelo. La consola muestra las métricas en la sección Rendimiento del clasificador de la página Detalles del clasificador de la consola. También se devuelven en los Metrics campos devueltos por la DescribeDocumentClassifieroperación.
En el siguiente ejemplo de datos de entrenamiento, hay cinco etiquetas: DOCUMENTAL, DOCUMENTAL, CIENCIA_FICCIÓN, DOCUMENTAL y COMEDIA_ROMÁNTICA. Hay tres clases únicas: DOCUMENTAL, CIENCIA_FICCIÓN y COMEDIA_ROMÁNTICA.
| Columna 1 | Columna 2 |
|---|---|
| DOCUMENTAL | texto del documento 1 |
| DOCUMENTAL | texto del documento 2 |
| CIENCIA_FICCIÓN | texto del documento 3 |
| DOCUMENTAL | texto del documento 4 |
| COMEDIA_ROMÁNTICA | texto del documento 5 |
En el caso de la división automática (en la que Amazon Comprehend reserva el 10 % de los datos de entrenamiento para utilizarlos en las pruebas), si los datos de entrenamiento contienen ejemplos limitados de una etiqueta específica, es posible que el conjunto de datos de prueba no contenga ningún ejemplo de esa etiqueta. Por ejemplo, si el conjunto de datos de entrenamiento contiene 1000 instancias de la clase DOCUMENTAL, 900 instancias de CIENCIA_FICCIÓN y una sola instancia de la clase COMEDIA_ROMÁNTICA, el conjunto de datos de prueba puede contener 100 instancias de DOCUMENTAL y 90 de CIENCIA_FICCIÓN, pero no instancias de COMEDIA_ROMÁNTICA, ya que hay un solo ejemplo disponible.
Al terminar de entrenar su modelo, las métricas de entrenamiento le proporcionarán información que podrá usar para decidir si el modelo es lo suficientemente preciso para sus necesidades.
