使用 TensorFlow 模型分析改进模型质量

介绍

在开发过程中调整模型时，您需要检查更改是否改善了模型。仅仅检查准确性可能还不够。例如，如果您有一个分类器用于 95% 的实例为正的问题，您可能可以通过始终预测正值来提高准确性，但您将不会拥有一个非常健壮的分类器。

概述

TensorFlow 模型分析的目标是在 TFX 中提供模型评估机制。TensorFlow 模型分析允许您在 TFX 管道中执行模型评估，并在 Jupyter 笔记本中查看结果指标和图表。具体来说，它可以提供

• 指标，这些指标是在整个训练集和保留数据集以及次日评估中计算得出的
• 跟踪指标随时间的变化
• 模型质量在不同特征切片上的性能
• 模型验证，以确保模型保持一致的性能

下一步

尝试我们的 TFMA 教程。

查看我们的 github 页面，了解有关支持的 指标和图表 以及相关笔记本 可视化 的详细信息。

查看 安装 和 入门 指南，了解有关如何在独立管道中进行 设置 的信息和示例。请记住，TFMA 也在 TFX 中的 Evaluator 组件中使用，因此这些资源对于在 TFX 中入门也很有用。