Documento de Estudo da US16

Introdução

Antes da criação das intents, actions e stories de cada tema selecionado são gerados documentos pela equipe de desenvolvimento que possuem abrangentemente do que aquele ele se trata. Selecionamos um breve conhecimento do tema, possíveis bibliotecas e até mesmo a forma de implementação.

Objetivo

Tendo em vista que os dados passados para o treinamento do bot devem ser bem claros e ter uma quantidade reduzida de informação para não poluir a caixa de mensagens do usuário, o desenvolvedor responsável pelo tema tem como objetivo extrair o máximo de informação e simplifica-la antes de passar para o usuário final. Isso torna a criação das intents, actions e stories mais rápidas e objetivas.

Relatório de Classificação

Como funciona o Relatório de Classificação

Após definir o que deseja que a máquina reconheça e passar os tipos de classificação,é necessário gerar o relatório de classificação,ou seja,como foi o desempenho da máquina.Por exemplo Reconhecimento de digitos escritos à mão, Reconhecimento de faces e etc. Após fazer esses reconhecimento,é necessário ver o relatório de classificação da máquina

Como Checar os Resultados das Classificações

É necessário instalarmos o sklearn, e importaremos a biblioteca classification_report

 from sklearn.metrics  import  classification_report

E após isso,podemos utilizar a função classification_report que é como visualizaremos as classificações

classification_report(y_true, y_pred, labels=None, target_names=None, sample_weight=None, digits=2, output_dict=False)

Dentre todos esse paramêtros,existem paramêtros obrigatórios e opcionais:: y_true : matriz de indicador de rótulo / matriz esparsa Realidade dos valores alvo. y_pred : matriz de indicador de rótulo / matriz esparsa Alvos estimados como retornados por um classificador. labels : array, tamahnho = [n_labels],lista opcional de índices de etiquetas para incluir no relatório.

target_names : lista de strings,nomes de exibição opcionais correspondentes aos rótulos (mesma ordem).

sample_weight : array de tamanho = [n_samples], opcional,pesos de amostra

dígitos: int,número de dígitos para formatar valores de ponto flutuante de saída. Quando output_dict for True, isso será ignorado e os valores retornados não serão arredondados.

output_dict : bool (padrão = False) Se for True, retorne a saída como dit