Respuestas correctas
- AEvalúe el modelo en un conjunto de prueba reservado que no se haya utilizado durante el entrenamiento.
- BRevise la matriz de confusión para comprender qué clases se clasifican erróneamente con frecuencia.
Explicación
La opción A es correcta porque evaluar el modelo de clasificación de texto personalizado en un conjunto de prueba reservado que nunca se usó durante el entrenamiento proporciona una estimación imparcial del rendimiento de generalización, lo cual es esencial antes de promover el modelo a producción. La opción B es correcta porque revisar la matriz de confusión revela patrones de precisión/exhaustividad (precision/recall) por clase y muestra exactamente qué clases se clasifican incorrectamente con frecuencia, lo que permite mejoras específicas en los datos o etiquetas. La opción C es incorrecta porque Azure AI Language no requiere un umbral de precisión fijo del 95% en una división de validación cruzada; los objetivos de rendimiento son específicos del escenario y la validación cruzada no es el flujo de trabajo de evaluación estándar para este servicio. La opción D es incorrecta porque calcular la precisión en el conjunto de entrenamiento mide la memorización en lugar de la generalización y estará sesgada de manera optimista. La opción E es incorrecta porque comparar con una línea base de clase mayoritaria es una comprobación de sanidad útil, pero no es una de las acciones requeridas para validar un modelo de clasificación de texto personalizado antes de producción.