Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# Valutazione delle prestazioni del modello
Amazon SageMaker Canvas fornisce informazioni generali e di punteggio per i diversi tipi di modello. Il punteggio del modello può aiutarti a determinare quanto il tuo modello sia preciso quando esegue le previsioni. Le informazioni aggiuntive sul punteggio possono aiutarti a quantificare le differenze tra i valori effettivi e quelli previsti.
Per visualizzare l'analisi del modello, procedi come indicato di seguito:
1. Apri l'applicazione SageMaker Canvas.
1. Nel riquadro di navigazione a sinistra scegli **Modelli**.
1. Scegli il modello che hai creato.
1. Nel riquadro di navigazione in alto, scegli la scheda **Analizza**.
1. Nella scheda **Analizza**, puoi visualizzare la panoramica e le informazioni sul punteggio del tuo modello.
Le sezioni seguenti spiegano come interpretare il punteggio per ogni tipo di modello.
## Valuta i modelli di previsione categoriale
La scheda **Panoramica** mostra l'impatto della colonna per ogni colonna. **L'impatto della colonna** è un punteggio percentuale che indica il peso di una colonna nel formulare previsioni rispetto alle altre colonne. Con un impatto della colonna del 25%, Canvas valuta la previsione come 25% per quella colonna e 75% per le altre colonne.
Lo screenshot seguente mostra il punteggio di **precisione** per il modello, insieme al **parametro di ottimizzazione**, cioè il parametro che scegli di ottimizzare durante la creazione del modello. In questo caso, la **metrica di ottimizzazione** è **Accuratezza**. Puoi specificare un parametro di ottimizzazione diverso se crei una nuova versione del tuo modello.
![\[Screenshot del punteggio di precisione e del parametro di ottimizzazione nella scheda Analizza in Canvas.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/studio/canvas/analyze-tab-2-category.png)
La scheda **Punteggio** per un modello di previsione categoriale ti offre la possibilità di visualizzare tutte le previsioni. I segmenti di linea si estendono dalla parte sinistra della pagina e indicano tutte le previsioni generate dal modello. Al centro della pagina, i segmenti di linea convergono su un segmento perpendicolare per indicare la proporzione di ogni previsione rispetto a una singola categoria. Dalla categoria “previsto”, i segmenti si estendono fino alla categoria “effettivo”. Puoi avere un'idea visiva dell'accuratezza delle previsioni seguendo ogni segmento di linea dalla categoria “previsto” alla categoria “effettivo”.
L'immagine seguente mostra un esempio della sezione **punteggio** per un modello **di previsione a più di tre categorie**.
![\[Screenshot della scheda Punteggio per un modello di previsione a più di tre categorie.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/studio/canvas/canvas-analyze/canvas-multiclass-classification.png)
Puoi anche visualizzare la scheda **Metriche avanzate** per informazioni più dettagliate sulle prestazioni del modello, come le metriche avanzate, i grafici sulla densità degli errori o le matrici di confusione. Per ulteriori informazioni sulla scheda **Metriche avanzate**, consulta [Uso dei parametri avanzati nelle analisi](canvas-advanced-metrics.md).
## Valutazione dei modelli di previsione numerica
La scheda **Panoramica** mostra l'impatto della colonna per ogni colonna. **L'impatto della colonna** è un punteggio percentuale che indica il peso di una colonna nel formulare previsioni rispetto alle altre colonne. Con un impatto della colonna del 25%, Canvas valuta la previsione come 25% per quella colonna e 75% per le altre colonne.
Lo screenshot seguente mostra il punteggio **RMSE** per il modello nella scheda **Panoramica**, che in questo caso è il **parametro di ottimizzazione**. Il **parametro di ottimizzazione** è il parametro che scegli di ottimizzare durante la creazione del modello. Puoi specificare un parametro di ottimizzazione diverso se crei una nuova versione del tuo modello.
![\[Screenshot del parametro di ottimizzazione RMSE nella scheda Analizza in Canvas.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/studio/canvas/analyze-tab-2-numeric.png)
La scheda **Punteggio** per la previsione numerica mostra una riga per indicare il valore previsto del modello in relazione ai dati utilizzati per generare previsioni. I valori della previsione numerica sono spesso \$1/- il valore RMSE (radice dell’errore quadratico medio). Il valore previsto dal modello rientra spesso nell'intervallo dell'RMSE. La larghezza della banda viola attorno alla riga indica l'intervallo RMSE. I valori previsti spesso rientrano nell'intervallo.
L'immagine seguente mostra la sezione **Punteggio** per la previsione numerica.
![\[Screenshot della scheda Punteggio per un modello di previsione numerica.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/studio/canvas/canvas-analyze/canvas-analyze-regression-scoring.png)
Puoi anche visualizzare la scheda **Metriche avanzate** per informazioni più dettagliate sulle prestazioni del modello, come le metriche avanzate, i grafici sulla densità degli errori o le matrici di confusione. Per ulteriori informazioni sulla scheda **Metriche avanzate**, consulta [Uso dei parametri avanzati nelle analisi](canvas-advanced-metrics.md).
## Valutazione dei modelli di previsione di serie temporali
Nella pagina **Analizza** per i modelli di previsione di serie temporali, puoi visualizzare una panoramica dei parametri del modello. Per ulteriori informazioni puoi passare il mouse su ciascuna metrica oppure puoi consultare [Uso dei parametri avanzati nelle analisi](canvas-advanced-metrics.md).
Nella sezione **Impatto della colonna**, puoi vedere il punteggio per ogni colonna. L’**impatto della colonna** è un punteggio percentuale che indica il peso di una colonna nel formulare previsioni rispetto alle altre colonne. Con un impatto della colonna del 25%, Canvas valuta la previsione come 25% per quella colonna e 75% per le altre colonne.
Lo screenshot seguente mostra i punteggi dei parametri di serie temporali per il modello, insieme al **parametro di ottimizzazione**, cioè il parametro che scegli di ottimizzare durante la creazione del modello. In questo caso, il **parametro di ottimizzazione** è **RMSE**. Puoi specificare un parametro di ottimizzazione diverso se crei una nuova versione del tuo modello. Questi punteggi delle metriche sono tratti dai risultati di test precedenti, disponibili per il download nella scheda **Artefatti**.
![\[Screenshot del parametro di ottimizzazione RMSE nella scheda Analizza in Canvas.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/studio/canvas/analyze-tab-2-time-series.png)
La scheda **Artefatti** fornisce l’accesso a diverse risorse chiave che puoi utilizzare per approfondire le prestazioni del tuo modello e continuare a perfezionarlo:
+ **Suddivisioni casuali di addestramento e convalida**: questa sezione include link agli artefatti generati quando il set di dati è stato suddiviso in set di addestramento e convalida, che consentono di esaminare la distribuzione dei dati e i potenziali bias.
+ **Risultati dei backtest**: questa sezione include un link ai valori previsti per il set di dati di convalida, che viene utilizzato per generare metriche di accuratezza e dati di valutazione per il modello.
+ **Metriche di accuratezza**: questa sezione elenca le metriche avanzate per valutare le prestazioni del modello, come la radice dell’errore quadratico medio (RMSE). Per ulteriori informazioni su ciascuna metrica, consulta [Parametri per le previsioni di serie temporali](canvas-metrics.md#canvas-time-series-forecast-metrics).
+ **Report di spiegabilità**: questa sezione fornisce un link per scaricare il report di spiegabilità, che offre informazioni approfondite sul processo decisionale del modello e sull’importanza relativa delle colonne di input. Questo report può aiutarti a identificare le potenziali aree di miglioramento.
Nella pagina **Analizza**, puoi anche scegliere il pulsante **Download** per scaricare direttamente i risultati dei backtest, le metriche di accuratezza e gli artefatti del report di spiegabilità sul tuo computer locale.
## Valutazione dei modelli di previsione delle immagini
La scheda **Panoramica** mostra le **prestazioni per etichetta**, che forniscono un punteggio di precisione generale per le immagini previste per ciascuna etichetta. Puoi scegliere un'etichetta per visualizzare dettagli più specifici, come le immagini **previste in modo corretto** e quelle **previste in modo errato** per quell'etichetta.
Puoi attivare il tasto **Mappa termica** per visualizzare una mappa termica per ogni immagine. La mappa termica mostra le aree di interesse che hanno il maggiore impatto quando il modello genera previsioni. Per ulteriori informazioni sulle mappe termiche e su come utilizzarle per migliorare il modello, scegli l'icona **Ulteriori informazioni** accanto al tasto **Mappa termica**.
La scheda **Punteggio** per modelli di previsione di immagini con etichetta singola mostra un confronto tra ciò che il modello aveva previsto come etichetta e l'etichetta effettiva. Puoi selezionare fino a 10 etichette alla volta. Puoi modificare le etichette nella visualizzazione scegliendo il menu a discesa delle etichette e selezionando o deselezionando le etichette.
Puoi anche visualizzare informazioni su etichette singole o gruppi di etichette, ad esempio le tre etichette con la precisione più alta o più bassa, selezionando il menu a discesa **Visualizza punteggi** nella sezione **Informazioni sulla precisione del modello**.
Il seguente screenshot mostra le informazioni sul **Punteggio** per un modello di previsione di immagini a etichetta singola.
![\[Confronto tra le etichette effettive e quelle previste nella pagina Punteggio per un modello di previsione di testo con più categorie.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/studio/canvas/analyze-image-scoring.png)
## Valutazione dei modelli di previsione di testo
La scheda **Panoramica** mostra le **prestazioni per etichetta**, che forniscono un punteggio di precisione generale per i passaggi di testo previsti per ciascuna etichetta. Puoi scegliere un'etichetta per visualizzare dettagli più specifici, come i passaggi **previsti in modo corretto** e quelli **previsti in modo errato** per quell'etichetta.
La scheda **Punteggio** per modelli di previsione di immagini multicategoria mostra un confronto tra ciò che il modello aveva previsto come etichetta e l'etichetta effettiva.
Nella sezione **Informazioni sulla precisione del modello**, puoi visualizzare la **categoria più frequente**, cioè la categoria prevista più frequentemente dal modello e il livello di precisione di tali previsioni. Se il modello prevede correttamente l’etichetta **Positivo** il 99% delle volte, puoi essere abbastanza sicuro che il tuo modello sia in grado di prevedere il sentiment positivo nel testo.
Il seguente screenshot mostra le informazioni sul **punteggio** per un modello di previsione di testo multicategoria.
![\[Confronto tra le etichette effettive rispetto a quelle previste nella pagina Punteggio per un modello di previsione di immagini a etichetta singola.\]](http://docs.aws.amazon.com/it_it/sagemaker/latest/dg/images/studio/canvas/analyze-text-scoring.png)