¡El Día de la Comunidad de ML es el 9 de noviembre! Únase a nosotros para recibir actualizaciones de TensorFlow, JAX, y más Más información

Visualizaciones de análisis de modelos de TensorFlow

El resultado de ejecutar una evaluación es un tfma.EvalResult que se puede visualizar en un cuaderno de Jupyter llamando a tfma.view.render_slicing_metrics (o tfma.view.render_plot para gráficos).

Vista de métricas

Para ver métricas, utilice la API tfma.view.render_slicing_metrics pasando el tfma.EvalResult que se tfma.EvalResult en la ejecución de evaluación. La vista de métricas se compone de tres partes:

  • Selector de métricas

    De forma predeterminada, se muestran todas las métricas calculadas y las columnas se ordenan alfabéticamente. El selector de métricas permite al usuario agregar / eliminar / reordenar métricas. Simplemente marque / desmarque las métricas del menú desplegable (mantenga presionada la tecla Ctrl para la selección múltiple) o escríbalas / reorganícelas directamente en el cuadro de entrada.

    Selector de métricas

  • Visualización métrica

    La visualización métrica tiene como objetivo proporcionar intuición sobre los cortes en la característica elegida. Está disponible un filtrado rápido para filtrar porciones con un pequeño recuento de muestras ponderadas.

    Vista filtrada de muestra

    Se admiten dos tipos de visualizaciones:

    1. Descripción general de la rebanada

      En esta vista, el valor de la métrica elegida se representa para cada sector y los sectores se pueden ordenar por el nombre del sector o por el valor de otra métrica.

      Descripción general de la porción de muestra

      Cuando el número de cortes es pequeño, esta es la vista predeterminada.

    2. Histograma de métricas

      En esta vista, los sectores se dividen en depósitos según sus valores de métrica. Los valores que se muestran en cada cubeta pueden ser el número de rodajas en la cubeta o el recuento total de muestras ponderadas para todas las rodajas en la cubeta o ambos.

      Histograma de métricas de muestra

      El número de cubos se puede cambiar y la escala logarítmica se puede aplicar en el menú de configuración haciendo clic en el icono de engranaje.

      Cambiar la configuración del histograma de métricas

      También es posible filtrar valores atípicos en la vista de histograma. Simplemente arrastre el rango deseado en el histograma como se muestra en la captura de pantalla a continuación.

      Histograma de métricas filtradas

      Cuando el número de cortes es grande, esta es la vista predeterminada.

  • Tabla de métricas

    La tabla de métricas resume los resultados de todas las métricas elegidas en el selector de métricas. Se puede ordenar haciendo clic en el nombre de la métrica. Solo se procesarán los sectores que no se hayan filtrado.

Vistas de parcela

Cada trama tiene su propia visualización que es única para la trama. Para obtener más información, consulte la documentación de API relevante para la clase de trazado. Tenga en cuenta que en TFMA, los gráficos y las métricas se definen en tfma.metrics.* Por convención, las clases relacionadas con los gráficos terminan en Plot . Para ver los gráficos, use la API tfma.view.render_plot pasando el tfma.EvalResult que se obtuvo de la ejecución de evaluación.

Gráficos de series de tiempo

Los gráficos de series de tiempo facilitan la detección de tendencias de una métrica específica en intervalos de datos o ejecuciones de modelos. Para crear un gráfico de series de tiempo, realice múltiples evaluaciones (guardando la salida en diferentes directorios) y luego tfma.EvalResults en un objeto tfma.load_eval_results llamando a tfma.load_eval_results . Luego, los resultados se pueden mostrar usando tfma.view.render_time_series

Para mostrar el gráfico de una métrica específica, simplemente haga clic en él en la lista desplegable. Para descartar un gráfico, haga clic en la X en la esquina superior derecha.

Ejemplo de gráfico de series de tiempo

Al pasar el cursor sobre cualquier punto de datos en el gráfico, se muestra una información sobre herramientas que indica la ejecución del modelo, el intervalo de datos y el valor de la métrica.