解讀文字分類模型的預測結果

在提出預測要求後，Vertex AI 會根據模型的目標傳回結果。多標籤分類模型的預測結果會為每份文件傳回一或多個標籤，以及每個標籤的可信度分數。對於單一標籤分類模型，預測結果只會為每份文件傳回一個標籤和信心分數。

信心分數會顯示模型將每個類別或標籤與測試項目建立關聯的強度。數字越高，表示模型判斷標籤適用於該項目的信心就越高。您可以自行決定信賴分數必須達到多少，才能接受模型的結果。

分數門檻滑桿

在 Google Cloud 控制台中，Vertex AI 提供滑桿，可用於調整所有類別或標籤，或個別類別或標籤的信心閾值。您可以在模型的詳細資料頁面中，透過「評估」分頁標籤使用滑桿。可信度門檻是指模型為測試項目指派類別或標籤時必須達到的信心程度。調整門檻後，您可以查看模型的精確度和喚回度有何變化。較高的門檻值通常會提高精確度，但降低喚回率。

批次預測輸出內容範例

以下範例是多標籤分類模型的預測結果。模型已將 GreatService、Suggestion 和 InfoRequest 標籤套用至提交的文件。信心值會依序套用至每個標籤。在這個範例中，模型預測 GreatService 是最相關的標籤。

{
  "instance": {"content": "gs://bucket/text.txt", "mimeType": "text/plain"},
  "predictions": [
    {
      "ids": [
        "1234567890123456789",
        "2234567890123456789",
        "3234567890123456789"
      ],
      "displayNames": [
        "GreatService",
        "Suggestion",
        "InfoRequest"
      ],
      "confidences": [
        0.8986392080783844,
        0.81984345316886902,
        0.7722353458404541
      ]
    }
  ]
}