Visualizações de análise de modelo do TensorFlow

A saída da execução de uma avaliação é um tfma.EvalResult que pode ser visualizado em um notebook Jupyter chamando tfma.view.render_slicing_metrics (ou tfma.view.render_plot para gráficos).

Visualização de métricas

Para visualizar as métricas, use a API tfma.view.render_slicing_metrics transmitindo o tfma.EvalResult que foi gerado na execução da avaliação. A visualização de métricas é composta de três partes:

  • Seletor de Métricas

    Por padrão, todas as métricas computadas são exibidas e as colunas são classificadas em ordem alfabética. O seletor de métricas permite ao usuário adicionar/remover/reordenar métricas. Basta marcar / desmarcar as métricas no menu suspenso (mantenha pressionada a tecla Ctrl para seleção múltipla) ou digite / reorganize-as diretamente na caixa de entrada.

    Seletor de métrica

  • Visualização de Métricas

    A visualização métrica visa fornecer intuição sobre fatias no recurso escolhido. Uma filtragem rápida está disponível para filtrar fatias com pequena contagem de amostras ponderadas.

    Amostra de visualização filtrada

    Dois tipos de visualizações são suportados:

    1. Visão geral da fatia

      Nesta visualização, o valor da métrica escolhida é renderizado para cada fatia e as fatias podem ser classificadas pelo nome da fatia ou pelo valor de outra métrica.

      Visão geral da fatia de amostra

      Quando o número de fatias é pequeno, esta é a visualização padrão.

    2. Histograma de Métricas

      Nessa visualização, as fatias são divididas em buckets com base em seus valores de métrica. Os valores exibidos em cada bucket podem ser o número de fatias no bucket ou a contagem total de amostras ponderadas para todas as fatias no bucket ou ambos.

      Exemplo de histograma de métricas

      O número de baldes pode ser alterado e a escala logarítmica pode ser aplicada no menu de configurações clicando no ícone de engrenagem.

      Alterando as configurações do histograma de métricas

      Também é possível filtrar outliers na visualização do histograma. Basta arrastar o intervalo desejado no histograma, conforme mostrado na captura de tela abaixo.

      Histograma de métricas filtradas

      Quando o número de fatias é grande, esta é a visualização padrão.

  • Tabela de métricas

    A tabela de métricas resume os resultados de todas as métricas escolhidas no seletor de métricas. Ela pode ser classificada clicando no nome da métrica. Somente as fatias não filtradas serão renderizadas.

Visualizações de plotagem

Cada gráfico tem sua própria visualização que é exclusiva do gráfico. Para obter mais informações, consulte a documentação da API relevante para a classe de plotagem. Observe que no TFMA, gráficos e métricas são definidos em tfma.metrics.* Por convenção, as classes relacionadas a gráficos terminam em Plot . Para visualizar gráficos, use a API tfma.view.render_plot passando o tfma.EvalResult que foi gerado na execução de avaliação.

Gráficos de séries temporais

Os gráficos de séries temporais facilitam a identificação de tendências de uma métrica específica em intervalos de dados ou execuções de modelo. Para criar um gráfico de série temporal, execute várias avaliações (salvando a saída em diferentes diretórios) e, em seguida, carregue-as em um objeto tfma.EvalResults chamando tfma.load_eval_results . Os resultados podem ser exibidos usando tfma.view.render_time_series

Para exibir o gráfico de uma métrica específica, basta clicar nele na lista suspensa. Para dispensar um gráfico, clique no X no canto superior direito.

Exemplo de gráfico de série temporal

Passe o mouse sobre qualquer ponto de dados no gráfico para mostrar uma dica de ferramenta indicando a execução do modelo, o intervalo de dados e o valor da métrica.