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。

# 測試訓練資料
<a name="testing-the-model"></a>

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，您可以用來估計模型的準確性。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](https://docs.aws.amazon.com/comprehend/latest/APIReference/API_DescribeDocumentClassifier.html) 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：DOCUMENTARY、DOCUMENTARY、SCIENCE\$1FICTION、DOCUMENTARY、ROMANTIC\$1COMEDY。有三種唯一類別：DOCUMENTARY、SCIENCE\$1FICTION、ROMANTIC\$1COMEDY。


| 欄 1 | 資料欄 2 | 
| --- | --- | 
| 文件 | 文件文字 1 | 
| 文件 | 文件文字 2 | 
| SCIENCE\$1FICTION | 文件文字 3 | 
| 文件 | 文件文字 4 | 
| ROMANTIC\$1COMEDY | 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 類別執行個體、900 個 SCIENCE\$1FICTION 執行個體和單一 ROMANTIC\$1COMEDY 類別執行個體，則測試資料集可能包含 100 個 DOCUMENTARY 執行個體和 90 個 SCIENCE\$1FICTION 執行個體，但沒有 ROMANTIC\$1COMEDY 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足以滿足您的需求。