İstemi Ölçmek — Yeni Sürüm Gerçekten Daha mı İyi?
Önce şunu oku: Modelin Cevabını Uygulamada Kullanmak — Doğrulamadan Kaydetme
30 saniyede özet
İstemi değiştirip birkaç örneğe göz atmak, iyileşmeyi kanıtlamaz. Etiketli bir değerlendirme seti değişikliği ölçer; kategori kategori puan ise ortalamada saklanan bozulmayı yayından önce gösterir.
Bir fırın kurabiye tarifini değiştiriyor. Tadan herkes yenisini daha çok beğeniyor. Ama şekersiz tepsiye de şeker girmiş; o tepsiyi tadan olmamış.
-
Bayt: Şikâyetleri ekiplere dağıtan istemi biraz düzelttim. Üç örneğe baktım, hepsi daha iyi!
-
Sen: Toplam puana da baktık: 12 örnekten 8 doğruydu, şimdi 10.
-
Bayt: Ama iki dolandırıcılık bildiriminin ikisi de artık kart ekibine gidiyor!
-
Bayt: Ortalamaya değil, her kategoriye ayrı bakmamız gerekiyormuş.
Göz atmak neden yetmez?
İstemi değiştirip birkaç cevaba bakmak doğal bir ilk adımdır. Ama yalnızca baktığın örnekler hakkında bir şey söyler.
Bir değerlendirme setiDoğru cevabı bilinen örneklerden oluşan bir set. İstem ya da model her değiştiğinde modeli bu setten geçirip ne kadar doğru cevap verdiğini ölçersin.Sözlükte gör →, doğru cevabı bilinen örneklerden oluşur. İstem ya da model her değiştiğinde hepsi yeniden çalıştırılır; tıpkı testler gibi.
Kafam karıştı, daha basit anlat
Göz atmak bir ipucudur. Etiketli örneklerin hepsini her değişiklikte çalıştırmak ölçümdür.
İstemi değiştirdin ve üç örnekte cevaplar daha iyi göründü. Bu ne kadar güvenilir bir sonuç?
Değerlendirme seti nedir?
Ortalama neyi saklar?
Yeni istem 12 örneğin 10'unu doğru biliyor, eskisi 8'ini. Yeni istemi yayına çıkarmak güvenli mi? Cevabı göster
Henüz bilinmiyor. Toplam puan yükseldi, ama hangi örneklerde kazanıp hangilerinde kaybettiğini söylemiyor. Kaybedilen örnekler en önemli olanlar olabilir.
Adım adım oku
- Yeni tarif: tadan herkes beğendi.
- Ortalama puan yükseldi.
- Şekersiz tepsiye şeker girmiş.
- Ortalamaya değil, her tepsiye bak.
Az görülen ama önemli bir kategori, toplam puanda neredeyse hiç yer tutmaz. Orada her şey bozulsa bile ortalama yükselebilir.
dilim puanıDeğerlendirme sonucunu tek bir toplam yerine kategori kategori ayrı ölçmek. Ortalamada kaybolan bir bozulmayı görünür yapar.Sözlükte gör → bunu görünür yapar: her kategori ayrı ölçülür. Herhangi bir kategoride gerilemeBir değişiklikten sonra daha önce doğru çalışan bir durumun bozulması. İstem değişikliklerinde de testlerdeki gibi yakalanmalı.Sözlükte gör → varsa değişiklik o hâliyle yayına çıkmaz.
Kafam karıştı, daha basit anlat
Toplam puan yükselirken önemli bir kategori bozulabilir. Her kategoriye ayrı bak.
Toplam puan 8/12'den 10/12'ye çıktı. Hangisi kesin söylenebilir?
Neden her kategori için ayrı puan tutulur?
Kendin gör
İstem v2 yayına çıksın mı?
Tohum 671861- Kartım ATM’de kaldı · kart…
- Kart limitim neden düştü? · kart…
- Temassız ödeme çalışmıyor · kart…
- Yeni kartım gelmedi · kartbakılmadı
- Havalem karşıya ulaşmadı · havalebakılmadı
- IBAN’ı yanlış yazdım · havalebakılmadı
- FAST işlemi geri döndü · havalebakılmadı
- EFT ücreti neden alındı? · havalebakılmadı
- Kredi taksitim yanlış · kredibakılmadı
- Erken kapama tutarı nedir? · kredibakılmadı
- Tanımadığım bir harcama var · dolandırıcılıkbakılmadı
- Biri bankayı arayıp şifremi istedi · dolandırıcılıkbakılmadı
Toplam: v1 0/0 · v2 0/0
- kart 0→0/0
- havale 0→0/0
- kredi 0→0/0
- dolandırıcılık 0→0/0
Şu an ne oldu?
İlk üç örneğe göz at
Etiketli şikâyetler iki istemle de sınıflandırılıyor.
Görevler0/3
Göz kararıyla yayına çıkaçık
İpucu
İlk üç örneğe göz at.
Toplam puan yükselsin, dolandırıcılık yine bozulsunaçık
İpucu
Tek bir toplam puan.
Bozulmayı yayından önce yakalaaçık
İpucu
Her kategori ayrı.
Olay günlüğü (0)
Henüz olay yok. Oynat veya adımla.
- Varsayılanla oynat. İlk üç örneğe bakıldı, v2 daha iyi göründü ve yayına çıktı. Dolandırıcılık örneklerine hiç bakılmadı.
- “Tek bir toplam puan” seç. Bütün örnekler çalıştı, toplam 8’den 10’a çıktı ve v2 yine yayına çıktı.
- “Her kategori ayrı puan” seç. Dolandırıcılık 2/2’den 0/2’ye düştü ve değişiklik durduruldu.
Yeni istem toplamda daha iyi, ama dolandırıcılık bildirimlerinin ikisi de artık yanlış ekibe gidiyor. Ne yapılmalı?
Değerlendirme setine hangi örnekler mutlaka girmeli?
Tuzaklar
Seti yalnızca sık durumlarla doldurmak. Nadir ama pahalı hatalar, dolandırıcılık gibi, sette yoksa hiç ölçülmez. Onlar için özellikle örnek ekle.
Bir kez çalıştırmak. Model aynı soruya her seferinde biraz farklı cevap verebilir. Önemli kararlarda her örneği birkaç kez çalıştır ya da temperature’ı düşür.
Canlı hatayı unutmak. Canlıda yanlış giden her örneği, doğru etiketiyle sete ekle. Böylece aynı hata bir daha sessizce geri dönmez.
Kafam karıştı, daha basit anlat
Nadir ama önemli örnekleri ekle, birden çok çalıştır, canlı hatayı sete taşı.
Canlıda bir şikâyet yanlış ekibe gitti ve düzeltildi. Bu örnekle ne yapılmalı?
Derinleş · Şikâyet yönlendirme: istem değişikliğini kategori kategori ölçmek 3 dosya · ~58 satır · ilk okumada atlayabilirsin
Kendini sına
Üç örnekte daha iyi görünen istem, genel olarak daha iyidir.
Model aynı soruya her seferinde biraz farklı cevap verebiliyor. Değerlendirmede ne yapılır?
Aklında kalacak üç şey
- 1 Birkaç örneğe göz atmak bir ipucudur, ölçüm değildir. Bakılmayan örnek hakkında hiçbir şey söylenemez.
- 2 Etiketli bir değerlendirme seti, istem ya da model her değiştiğinde yeniden çalıştırılır; tıpkı testler gibi.
- 3 Toplam puan, az görülen ama önemli bir kategorideki bozulmayı saklar. Karar kategori kategori puana göre verilir.
4 kart sonraki derste seni bekliyor