Visualizzazioni dell'analisi del modello TensorFlow

L'output dell'esecuzione di una valutazione è un tfma.EvalResult che può essere visualizzato in un notebook Jupyter chiamando tfma.view.render_slicing_metrics (o tfma.view.render_plot per i grafici).

Visualizzazione metriche

Per visualizzare i parametri, utilizzare l'API tfma.view.render_slicing_metrics passando il tfma.EvalResult restituito dall'esecuzione della valutazione. La visualizzazione delle metriche è composta da tre parti:

  • Selettore di metriche

    Per impostazione predefinita, vengono visualizzate tutte le metriche calcolate e le colonne sono ordinate alfabeticamente. Il selettore delle metriche consente all'utente di aggiungere/rimuovere/riordinare le metriche. È sufficiente selezionare/deselezionare le metriche dal menu a discesa (tieni premuto Ctrl per la selezione multipla) o digitarle/riorganizzarle direttamente nella casella di input.

    Selettore metrico

  • Visualizzazione metrica

    La visualizzazione delle metriche mira a fornire intuizioni sulle sezioni nella funzionalità scelta. È disponibile un filtraggio rapido per filtrare le sezioni con un numero ridotto di campioni ponderati.

    Visualizzazione filtrata di esempio

    Sono supportati due tipi di visualizzazioni:

    1. Panoramica delle sezioni

      In questa visualizzazione, il valore della metrica scelta viene visualizzato per ciascuna sezione e le sezioni possono essere ordinate in base al nome della sezione o al valore di un'altra metrica.

      Panoramica delle sezioni di esempio

      Quando il numero di sezioni è piccolo, questa è la visualizzazione predefinita.

    2. Istogramma delle metriche

      In questa visualizzazione, le sezioni vengono suddivise in intervalli in base ai relativi valori metrici. I valori visualizzati in ciascun contenitore possono essere il numero di sezioni nel contenitore o il conteggio totale dei campioni ponderati per tutte le sezioni nel contenitore o entrambi.

      Istogramma delle metriche di esempio

      Il numero di segmenti può essere modificato e la scala logaritmica può essere applicata nel menu delle impostazioni facendo clic sull'icona dell'ingranaggio.

      Modifica delle impostazioni dell'istogramma delle metriche

      È anche possibile filtrare i valori anomali nella vista dell'istogramma. Trascina semplicemente l'intervallo desiderato nell'istogramma come mostrato nello screenshot qui sotto.

      Istogramma delle metriche filtrate

      Quando il numero di sezioni è elevato, questa è la visualizzazione predefinita.

  • Tabella delle metriche

    La tabella delle metriche riepiloga i risultati per tutte le metriche scelte nel selettore delle metriche. Può essere ordinato facendo clic sul nome della metrica. Verrà eseguito il rendering solo delle sezioni non filtrate.

Viste di tracciato

Ogni trama ha una visualizzazione unica per la trama. Per ulteriori informazioni, consulta la documentazione API pertinente per la classe plot. Si noti che in TFMA, i grafici e le metriche sono entrambi definiti in tfma.metrics.* Per convenzione le classi relative ai grafici terminano con Plot . Per visualizzare i grafici, utilizzare l'API tfma.view.render_plot passando il tfma.EvalResult generato dall'esecuzione della valutazione.

Grafici delle serie temporali

I grafici delle serie temporali semplificano l'individuazione delle tendenze di una metrica specifica su intervalli di dati o esecuzioni di modelli. Per creare un grafico di serie temporali, eseguire più valutazioni (salvando l'output in directory diverse), quindi caricarle in un oggetto tfma.EvalResults chiamando tfma.load_eval_results . I risultati possono quindi essere visualizzati utilizzando tfma.view.render_time_series

Per visualizzare il grafico per una metrica specifica, è sufficiente fare clic su di essa dall'elenco a discesa. Per eliminare un grafico, fare clic sulla X nell'angolo in alto a destra.

Esempio di grafico della serie temporale

Passando il mouse su qualsiasi punto dati nel grafico viene visualizzata una descrizione comando che indica l'esecuzione del modello, l'intervallo di dati e il valore della metrica.