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。

評估和改善轉接器

完成訓練程序並建立轉接器後，請務必評估轉接器從文件中擷取資訊的能力。

效能指標

Amazon Textract 主控台提供三種指標，協助您分析轉接器的效能：

這些測量的值範圍從 0 到 1，1 是完美的擷取。

這些指標的計算方式是將轉接器的擷取與測試集上的「基本真相」註解進行比較。透過分析 F1、精確度和召回，您可以判斷轉接器需要改善的位置。

例如，低精確度表示模型的許多預測都是誤報，因此轉接器正在擷取不相關的資料。相反地，較低的回收值表示模型缺少相關資料。使用這些洞見，您可以精簡訓練資料並重新訓練轉接器以提高效能。

您也可以使用您指定的新文件和查詢來測試模型，以檢查模型的效能。使用 主控台中的 Try Adapter 選項來取得這些文件的預測。如此一來，您可以使用自己的測試查詢和文件來評估轉接器，並查看轉接器執行情況的實際範例。

您也可以使用 SDK 或 CLI 使用 GetAdapterVersion 操作來擷取轉接器版本的指標。使用 ListAdapterVersions API 操作，取得您要擷取指標的轉接器清單。使用 DeleteAdapterVersion 操作刪除不再需要的轉接器。

改善模型

轉接器部署是一個反覆的程序，因為您可能需要重新訓練數次，才能達到目標準確度。建立和訓練轉接器之後，您會想要在各種指標和查詢上測試和評估轉接器的效能。

如果您的轉接器在任何區域中缺乏準確性，請新增這些文件的新範例，以提高轉接器對這些查詢的效能。嘗試為轉接器提供其他、不同的範例，以反映遇到困難的情況。為您的轉接器提供具代表性、多樣化的文件，使其能夠處理各種實際範例。

將新文件新增至訓練集後，請重新訓練轉接器。然後重新評估您的測試集和查詢。重複此程序，直到轉接器達到您想要的效能等級為止。精確度、召回率和 F1 分數應逐漸改善，而非連續的訓練反覆運算。