高精度」算法内置 文心大模型 ，将大数据预训练与多源丰富知识相结合，通过持续学习技术，不断吸收海量文本数据中词汇、结构、语义等方面的新知识，实现模型效果不断进化。

查看更多>>

整体评估中，各指标的释义如下： 准确率：正确分类的样本数与总样本数之比 F1-score：给每个类别相同的权重，计算每个类别的F1-score，然后求平均值 精确率：给每个类别相同的权重，计算每个类别的精确率，然后求平均值 召回率：给每个类别相同的权重，计算每个类别的召回率，然后求平均值 如果在训练阶段，使用的数据集中，相似或不相似的文本量在100条以内，训练出来的模型的效果评估报告的参考价值较小，

查看更多>>

评估效果 模型评估 模型训练完成后，可以在「我的模型」列表中查看该模型的效果。 「完整评估结果」页面中将记录整体评估的报告，包括该模型整体的F1-score、精确率、召回率。可以切换查看训练集与自定义测试集的效果评估报告。

查看更多>>

评估效果 模型评估 模型训练完成后，可以在「我的模型」列表中查看该模型的效果，以及完整评估结果。 「完整评估结果」页面中将记录整体评估与详细评估的报告，包括该模型整体的准确率、F1-score、精确率、召回率，以及评估样本具体数据情况，各分类的精确值、F1-Score、召回值等指标。

查看更多>>

评估效果 模型评估 模型训练完成后，可以在「我的模型」列表中查看该模型的效果，以及完整评估结果。 「完整评估结果」页面中将记录整体评估与详细评估的报告，包括该模型整体的准确率、F1-score、精确率、召回率，以及评估样本具体数据情况，各分类的精确值、F1-Score等指标。

查看更多>>

评估效果 模型评估 模型训练完成后，可以在「我的模型」列表中查看该模型的效果，以及完整评估结果。 「完整评估结果」页面中将记录整体评估与详细评估的报告，包括该模型整体的准确率、F1-score、精确率、召回率，以及评估样本具体数据情况，各分类的精确值、F1-Score等指标。

查看更多>>

效果优化 通过模型迭代、检查并优化训练数据，能够提升模型效果。 模型迭代 一个模型很难一次性就训练到最佳的效果，通常会需要结合模型评估报告和校验结果不断扩充数据和调优。 为此平台提供了模型迭代功能，即当模型训练完毕后，会生成一个最新的版本号，首次V1、之后V2……以此类推。可以通过调整训练数据和算法，多次训练，以获得适合业务需求的模型效果。

查看更多>>

对于物体检测任务，每一类object都可以计算出其精确率(Precision)和召回率(Recall)，在不同阈值下多次计算/试验，每个类都可以得到一条P-R曲线，曲线下的面积就是average precision(AP)的值。“mean”的意思是对每个类的AP再求平均，得到的就是mAP的值。 精确率 对于一个SKU而言，精确率越高，说明模型识别出是这个SKU的所有结果中，正确数量的占比越高。

查看更多>>