本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
訓練模型後，Amazon Comprehend 會測試自訂分類器模型。如果您未提供測試資料集，Amazon Comprehend 會使用 90% 的訓練資料來訓練模型。它保留 10% 的訓練資料用於測試。如果您提供測試資料集，測試資料必須至少包含訓練資料集中每個唯一標籤的一個範例。
測試模型為您提供指標，您可以用來估算模型的準確性。主控台會在主控台中分類器詳細資訊頁面的分類器效能區段中顯示指標。 它們也會在 DescribeDocumentClassifier 操作傳回的Metrics欄位中傳回。
在下列訓練資料範例中，有五個標籤：DCUMENTARY、DCUMENTARY、SCIENCE_FICTION、DCUMENTARY、ROMANTIC_COMEDY。有三種唯一類別：DCUMENTARY、SCIENCE_FICTION、ROMANTIC_COMEDY。
| 欄 1 | 第 2 欄 |
|---|---|
| 文件 | 文件文字 1 |
| 文件 | 文件文字 2 |
| SCIENCE_FICTION | 文件文字 3 |
| 文件 | 文件文字 4 |
| ROMANTIC_COMEDY | 文件文字 5 |
對於自動分割 （其中 Amazon Comprehend 保留 10% 的訓練資料用於測試），如果訓練資料包含特定標籤的有限範例，則測試資料集可能包含該標籤的零個範例。例如，如果訓練資料集包含 1000 個 DOCUMENTARY 類別的執行個體、900 個 SCIENCE_FICTION 執行個體，以及 ROMANTIC_COMEDY 類別的單一執行個體，則測試資料集可能包含 100 個 DOCUMENTARY 執行個體和 90 個 SCIENCE_FICTION 執行個體，但沒有 ROMANTIC_COMEDY 執行個體，因為有單一範例可用。
完成模型訓練後，訓練指標會提供相關資訊，供您用來判斷模型是否充分準確滿足您的需求。
