Keluaran dari menjalankan evaluasi adalah tfma.EvalResult yang dapat divisualisasikan dalam notebook Jupyter dengan memanggil tfma.view.render_slicing_metrics (atau tfma.view.render_plot untuk plot).
Tampilan Metrik
Untuk melihat metrik, gunakan tfma.view.render_slicing_metrics API yang meneruskan tfma.EvalResult yang merupakan keluaran dari proses evaluasi. Tampilan metrik terdiri dari tiga bagian:
Pemilih Metrik
Secara default, semua metrik yang dihitung ditampilkan dan kolom diurutkan menurut abjad. Pemilih metrik memungkinkan pengguna untuk menambah / menghapus / menyusun ulang metrik. Cukup centang / hapus centang metrik dari dropdown (tahan Ctrl untuk multi-pilih) atau ketik / atur ulang langsung di kotak input.
Visualisasi Metrik
Visualisasi metrik bertujuan untuk memberikan intuisi tentang irisan pada fitur yang dipilih. Pemfilteran cepat tersedia untuk menyaring irisan dengan jumlah sampel berbobot kecil.
Dua jenis visualisasi yang didukung:
Ikhtisar irisan
Dalam tampilan ini, nilai untuk metrik yang dipilih dirender untuk setiap irisan dan irisan dapat diurutkan menurut nama irisan atau nilai metrik lain.
Ketika jumlah irisan kecil, ini adalah tampilan default.
Metrik Histogram
Dalam tampilan ini, irisan dipecah menjadi keranjang berdasarkan nilai metriknya. Nilai yang ditampilkan di setiap keranjang dapat berupa jumlah irisan dalam keranjang atau jumlah sampel tertimbang total untuk semua irisan dalam keranjang atau keduanya.
Jumlah ember dapat diubah dan skala logaritmik dapat diterapkan di menu pengaturan dengan mengklik ikon roda gigi.
Dimungkinkan juga untuk memfilter outlier dalam tampilan histogram. Cukup seret rentang yang diinginkan di histogram seperti yang ditunjukkan pada gambar di bawah.
Ketika jumlah irisan besar, ini adalah tampilan default.
Tabel Metrik
Tabel metrik merangkum hasil untuk semua metrik yang dipilih di pemilih metrik. Itu dapat diurutkan dengan mengklik nama metrik. Hanya irisan yang tidak difilter yang akan ditampilkan.
Tampilan Plot
Setiap plot memiliki visualisasi sendiri yang unik untuk plot. Untuk informasi selengkapnya, lihat dokumentasi API yang relevan untuk kelas plot. Perhatikan bahwa di TFMA, plot dan metrik keduanya didefinisikan di bawah tfma.metrics.* Dengan konvensi, kelas yang terkait dengan plot diakhiri dengan Plot . Untuk melihat plot, gunakan API tfma.view.render_plot yang meneruskan tfma.EvalResult yang merupakan keluaran dari proses evaluasi.
Grafik Deret Waktu
Grafik deret waktu memudahkan untuk melihat tren metrik tertentu selama rentang data atau model berjalan. Untuk membuat grafik deret waktu, lakukan beberapa evaluasi (menyimpan output ke direktori berbeda), lalu memuatnya ke dalam objek tfma.EvalResults dengan memanggil tfma.load_eval_results . Hasilnya kemudian dapat ditampilkan menggunakan tfma.view.render_time_series
Untuk menampilkan grafik untuk metrik tertentu, cukup klik grafik tersebut dari daftar tarik-turun. Untuk mengabaikan grafik, klik X di sudut kanan atas.
Arahkan kursor ke titik data mana pun dalam grafik yang menunjukkan tooltip yang menunjukkan model berjalan, rentang data, dan nilai metrik.