本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
在分析中使用高级指标
以下部分介绍如何在 Amazon C SageMaker anvas 中查找和解释您的模型的高级指标。
注意
高级指标目前仅适用于数值和分类预测模型。
要找到 “高级指标” 选项卡，请执行以下操作：
-
打开 SageMaker 画布应用程序。
-
在左侧导航窗格中，选择我的模型。
-
选择您构建的模型。
-
在顶部导航窗格中，选择分析选项卡。
-
在 “分析” 选项卡中，选择 “高级指标” 选项卡。
在 “高级指标” 选项卡中，您可以找到 “性能” 选项卡。该页面看起来像以下屏幕截图。
在顶部，您可以看到指标分数的概述，包括优化指标，这是您在构建模型时选择（或默认选择的 Canvas）进行优化的指标。
以下各节介绍了 “高级” 指标中 “性能” 选项卡的更多详细信息。
Performance
在 “性能” 选项卡中，您将看到一个 “指标” 表，以及 Canvas 根据您的模型类型创建的可视化效果。对于分类预测模型，Canvas 提供了混淆矩阵，而对于数值预测模型，Canvas 为您提供残差和误差密度图表。
在 M etrics 表中，您会看到每个高级指标的模型分数的完整列表，该列表比页面顶部的分数概述更全面。此处显示的指标取决于您的模型类型。有关帮助您理解和解释每个指标的参考资料，请参阅指标参考。
要了解根据您的模型类型可能显示的可视化效果，请参阅以下选项：
-
混淆矩阵 — Canvas 使用混淆矩阵来帮助您可视化模型何时正确做出预测。在混淆矩阵中，您的结果将用于比较预测值和实际值。下面的示例解释了混淆矩阵如何用于预测正标签和负标签的 2 类别预测模型：
-
真正 - 当真标签为正时，模型正确地预测了正。
-
真负 - 当真标签为负时，模型正确地预测了负。
-
假正 - 当真标签为负时，模型错误地预测了正。
-
假负 - 当真标签为正时，模型错误地预测了负。
-
-
精确召回曲线 — 精度召回曲线是根据模型的召回分数绘制的模型精度分数的可视化。通常，能够做出完美预测的模型的精度和召回率分数均为 1。精确度相当高的模型的精度召回曲线在精度和召回率方面都相当高。
-
残差-残差是实际值与模型预测值之间的差值。残差图表根据相应值绘制残差，以可视化其分布以及任何模式或异常值。残差在零附近的正态分布表明该模型非常适合数据。但是，如果残差明显偏斜或存在异常值，则可能表明模型对数据进行了过度拟合，或者还有其他问题需要解决。
-
误差密度-误差密度图表示模型所产生的误差的分布。它显示每个点误差的概率密度，帮助您识别模型可能过度拟合或出现系统错误的任何区域。