定型及評估模型

定型和評估模型是將資料和標籤新增至定型資料集的反覆程序，目的是更精確教導模型。為了知道需改善的資料和標籤類型，Language Studio 在左側窗格的 [檢視模型詳細資料] 頁面中提供評分。

個別實體和整體模型分數細分成三個計量，說明各自的成效，以及需要改善的地方。

計量	描述
精確度	成功辨識實體與所有嘗試辨識次數的比率。高分表示只要辨識出實體，就會正確新增標籤。
重新叫用	成功辨識實體與文件中實際存在實體數的比率。高分表示無論是否指派正確的標籤，都會順利找出實體
F1 分數	提供單一評分計量的精確度和召回率組合

可針對每個實體和整個模型提供分數。您可能會發現某個實體分數很高，但整個模型卻不盡然。

如何解讀計量

在理想情況下，我們希望模型在精確度和召回率方面都獲得好分數，這表示實體辨識效果良好。如果這兩個計量的分數都很低，表示模型難以辨識文件中的實體，而且擷取該實體時，不會以高信賴度指派正確的標籤。

如果精確度很低，但召回率很高，表示模型可以妥善辨識實體，但無法指派正確的實體類型標籤。

如果精確度很高，但召回率很低，表示模型不一定會辨識實體，但模型擷取實體時會套用正確的標籤。

在同一個 [檢視模型詳細資料] 頁面上，[混淆矩陣] 頂端有另一個索引標籤。此檢視提供所有實體的視覺化資料表，以及每個實體的成效，提供模型的完整檢視及其短處。

混淆矩陣可讓您以視覺化方式識別要新增資料的位置，協助改善模型的效能。