Melhorando a qualidade do modelo com o TensorFlow Model Analysis

Introdução

À medida em que você ajusta seu modelo durante o desenvolvimento, você precisa verificar se suas alterações estão melhorando seu modelo. Apenas verificar a exatidão pode não ser suficiente. Por exemplo, se você tiver um classificador para um problema no qual 95% de suas instâncias são positivas, você poderá melhorar a exatidão simplesmente prevendo sempre o positivo, mas não terá um classificador muito robusto.

Visão geral

O objetivo do TensorFlow Model Analysis é fornecer um mecanismo para avaliação de modelos no TFX. A TensorFlow Model Analysis permite realizar avaliações de modelo no pipeline do TFX e visualizar métricas e gráficos resultantes num notebook Jupyter. Especificamente, ele pode fornecer:

• Métricas computadas sobre todo o dataset de treinamento e validação, bem como avaliações do dia seguinte

• Acompanhamento de métricas ao longo do tempo

• Desempenho de qualidade do modelo em diferentes fatias de características

• Validação do modelo para garantir que o modelo mantenha um desempenho consistente

Próximos passos

Veja nosso tutorial TFMA.

Confira nossa página no github para detalhes sobre as métricas e gráficos suportados e visualizações de notebook associadas.

Consulte os guias de instalação e introdução para informações e exemplos sobre como configurar um pipeline independente. Lembre-se de que o TFMA também é usado no componente Evaluator do TFX, portanto, esses recursos também serão úteis para começar no TFX.