AutoML Хүснэгт дэх Analyse таб нь бэлтгэгдсэн машин сургалтын загварын талаар янз бүрийн чухал мэдээлэл, ойлголтыг өгдөг. Энэ нь хэрэглэгчдэд загварын гүйцэтгэлийг ойлгох, түүний үр нөлөөг үнэлэх, үндсэн өгөгдлийн талаар үнэ цэнэтэй ойлголт авах боломжийг олгодог цогц хэрэгсэл, дүрслэлийг санал болгодог.
Шинжилгээ хийх таб дээр байгаа мэдээллийн гол хэсгүүдийн нэг бол загварын үнэлгээний хэмжүүр юм. Эдгээр хэмжүүрүүд нь загварын гүйцэтгэлийн тоон үнэлгээг өгч, хэрэглэгчдэд түүний нарийвчлал, урьдчилан таамаглах чадварыг хэмжих боломжийг олгодог. AutoML Хүснэгтүүд нь нарийвчлал, нарийвчлал, санах ой, F1 оноо, хүлээн авагчийн үйл ажиллагааны шинж чанарын муруйн доорх талбай (AUC-ROC) зэрэг хэд хэдэн түгээмэл хэрэглэгддэг үнэлгээний хэмжүүрүүдийг өгдөг. Эдгээр хэмжүүрүүд нь хэрэглэгчдэд загвар нь хэр сайн ажиллаж байгааг ойлгоход тусалдаг бөгөөд өөр өөр загвар эсвэл давталтыг харьцуулахад ашиглаж болно.
Үнэлгээний хэмжүүрээс гадна Шинжилгээний таб нь загварыг тайлбарлах, дүн шинжилгээ хийхэд туслах янз бүрийн дүрслэлийг санал болгодог. Ийм дүрслэлийн нэг нь төөрөгдлийн матриц бөгөөд янз бүрийн ангиудын загваруудын таамаглалын нарийвчилсан задаргааг өгдөг. Энэхүү матриц нь хэрэглэгчдэд загварын гүйцэтгэлийг бодит эерэг, үнэн сөрөг, худал эерэг, худал сөрөг талаас нь ойлгоход тусалдаг. Төөрөгдлийн матрицыг судалснаар хэрэглэгчид сайжруулах боломжит хэсгүүдийг тодорхойлох эсвэл нэмэлт анхаарал шаарддаг тодорхой ангиудад анхаарлаа хандуулах боломжтой.
Шинжилгээ хийх таб дахь өөр нэг хэрэгтэй дүрслэл бол онцлог ач холбогдлын график юм. Энэхүү схем нь загварын таамаглал дахь янз бүрийн шинж чанаруудын харьцангуй ач холбогдлыг харуулж байна. Загварын шийдвэрт аль онцлог нь хамгийн чухал нөлөө үзүүлж байгааг ойлгосноор хэрэглэгчид өгөгдлийн үндсэн хэв маяг, харилцааны талаар ойлголттой болох боломжтой. Энэхүү мэдээлэл нь онцлог шинж чанаруудыг боловсруулах, чухал хувьсагчдыг тодорхойлох, загварыг таамаглахад нөлөөлж буй хүчин зүйлсийг ойлгоход үнэ цэнэтэй байж болно.
Цаашилбал, дүн шинжилгээ хийх таб нь загварыг сургахад ашигласан оролтын өгөгдлийн талаар дэлгэрэнгүй мэдээллийг өгдөг. Үүнд өгөгдлийн багц дахь мөр, баганын тоо, дутуу утгууд зэрэг статистикууд орно. Оролтын өгөгдлийн шинж чанарыг ойлгох нь хэрэглэгчдэд өгөгдлийн чанарын болзошгүй асуудлуудыг тодорхойлох, сургалтын багцын төлөөллийг үнэлэх, мэдээллийн урьдчилсан боловсруулалт болон техникийн инженерчлэлийн талаар мэдээлэлтэй шийдвэр гаргахад тусална.
AutoML Хүснэгт дэх Analyze таб нь бэлтгэгдсэн машин сургалтын загварт дүн шинжилгээ хийх, тайлбарлах цогц хэрэгсэл, мэдээллийг санал болгодог. Энэ нь үнэлгээний хэмжүүр, дүрслэл, загварын гүйцэтгэл, өгөгдлийн шинж чанарын талаархи ойлголтыг өгдөг. Энэхүү мэдээллийг ашигласнаар хэрэглэгчид загвар байршуулах, цаашдын загварыг давтах, өгөгдөл бэлтгэх үйл явцыг сайжруулах талаар мэдээлэлтэй шийдвэр гаргах боломжтой.
Сүүлийн үеийн бусад асуулт, хариулт AutoML хүснэгтүүд:
- Хэрэглэгчид хэрхэн загвараа байршуулж, AutoML Хүснэгтэнд таамаглалыг авах боломжтой вэ?
- AutoML Хүснэгтэд сургалтын төсөв тохируулах ямар сонголтууд байдаг вэ?
- Хэрэглэгчид сургалтын мэдээллээ AutoML Хүснэгтэд хэрхэн импортлох вэ?
- AutoML Хүснэгтүүд ажиллах боломжтой өөр өөр өгөгдлийн төрлүүд юу вэ?