Analizar los resultados de clasificación

Documentation Index

Fetch the complete documentation index at: https://docs.abbyy.com/llms.txt

Use this file to discover all available pages before exploring further.

Después de entrenar una Skill de clasificación, abra la pestaña Result en el Skill Designer de clasificación para ver con qué precisión el clasificador asigna etiquetas a cada clase y diagnosticar errores en el conjunto de entrenamiento. Las estadísticas se actualizan automáticamente cada vez que se entrena el clasificador. Si la precisión es baja, vaya a Errores de clasificación para consultar las causas más comunes y cómo corregirlas.

• Un Skill de clasificación que se haya entrenado al menos una vez. (entrenado)

• Precisión general de la clasificación — porcentaje de documentos clasificados correctamente en el conjunto completo.
• Precisión por clase — porcentaje de documentos clasificados correctamente en cada clase.
• Recuento de documentos por clase — número de documentos clasificados correcta e incorrectamente en cada clase.
• Último entrenamiento — hora y fecha de la ejecución de entrenamiento más reciente.

La tabla de resultados contiene todas las clases de usuario no vacías (excepto Sin clase). Las clases se ordenan primero por precisión (de menor a mayor), después por número de documentos y, por último, alfabéticamente por nombre. Aparece una barra de desplazamiento si no caben todas las filas en la pantalla. Al hacer clic en una fila, se abre la clase correspondiente en la pestaña Documentos. Si cambia el nombre de una clase en la pestaña Documentos, el nombre se actualiza automáticamente en la pestaña Result. Si elimina una clase después del entrenamiento, su nombre aparece en gris en la pestaña Result; la fila solo se elimina la próxima vez que se entrena el clasificador. No existe un umbral de precisión fijo para un Skill de clasificación: el objetivo adecuado depende de su tolerancia a los documentos mal clasificados en las etapas posteriores y de cuánta revisión manual sea aceptable. Como guía práctica, procure lograr una alta precisión por clase (no solo en términos generales), siga iterando sobre las causas siguientes mientras la brecha continúe reduciéndose y deténgase cuando una clase cumpla su requisito de negocio o claramente se haya estancado a pesar de contar con datos de entrenamiento equilibrados y limpios. Si una clase se estanca muy por debajo de las demás, trátela como indistinguible y fusiónela con la clase más cercana. Una vez que la skill esté en producción, siga supervisando la Precisión del clasificador de documentos a lo largo del tiempo en el Panel de análisis y considere el Aprendizaje en línea para una mejora continua. La mayoría de los casos de clasificación incorrecta se deben a errores en el conjunto de entrenamiento, por ejemplo, clases de referencia mal asignadas o un número insuficiente de documentos para una clase determinada. Para corregirlo, reasigna los documentos afectados y vuelve a entrenar: La baja calidad del clasificador puede deberse a lo siguiente:

• Un número insuficiente de documentos cargados
• Una distribución considerablemente desigual de documentos entre clases
• Un número insuficiente de muestras de las variantes de documento más comunes para la clase dada

Mejore la calidad del clasificador añadiendo los documentos que faltan al conjunto de entrenamiento. Procure tener entre 100 y 1.000 documentos por clase e incluya documentos de ejemplo de las variantes de documento más comunes de cada clase en una proporción aproximada de uno a uno. Después de añadir los nuevos documentos al conjunto de entrenamiento, asigne una clase a cada uno y vuelva a entrenar el clasificador. Si dos clases se confunden sistemáticamente porque no presentan diferencias significativas en la forma, el diseño o el texto, combínalas en una sola clase. Separa los documentos más adelante en el flujo mediante los valores de los campos extraídos si esa distinción sigue siendo importante.