获取评估指标（控制台）

在测试期间，将根据测试数据集评估模型的性能。测试数据集中的标签被视为“ground truth”，因为它们代表了实际图像所代表的内容。在测试期间，模型使用测试数据集进行预测。将预测的标签与“ground truth”标签进行比较，结果可在控制台评估页面中找到。

Amazon Rekognition Custom Labels 控制台会显示整个模型的摘要指标和单个标签的指标。控制台中提供的指标包括精度、召回率、F1 分数、置信度和置信度阈值。有关更多信息，请参阅 改进经过训练的 Amazon Rekognition Custom Labels 模型。

您可以通过控制台重点关注单个指标。例如，要调查标签的精度问题，可以按标签和假正例结果筛选训练结果。有关更多信息，请参阅 评估模型的指标。

训练完成后，训练数据集为只读状态。如果决定改进模型，可以将训练数据集复制到新的数据集中。您可以使用该数据集的副本来训练模型的新版本。

在此步骤中，您将通过控制台获取训练结果。

获取评估指标（控制台）

1. 打开亚马逊 Rekognition 控制台，网址为https://console.aws.amazon.com/rekognition/。

2. 选择使用自定义标签。

3. 选择开始。

4. 在左侧导航窗格中，选择项目。

5. 在项目页面上，选择包含要评估的已训练模型的项目。

6. 在模型部分，选择要评估的模型。

7. 选择评估选项卡，以查看评估结果。有关评估模型的信息，请参阅改进经过训练的 Amazon Rekognition Custom Labels 模型。

8. 选择查看测试结果，以查看单个测试图像的结果。有关更多信息，请参阅 评估模型的指标。以下模型评估摘要的屏幕截图显示了 6 个标签的 F1 分数、平均精度和总体召回率，以及测试结果和性能指标。还提供了有关使用经过训练的模型的详细信息。

   

9. 查看测试结果后，选择项目名称返回模型页面。测试结果页面显示了针对后院和前院图像类别训练的机器学习模型的预测标签和置信度分数的图像。显示了两个示例图像。

   

10. 使用这些指标来评估模型的性能。有关更多信息，请参阅 改进 Amazon Rekognition Custom Labels 模型。