训练业务流程工作流模型

训练是模型从标记的语句进行学习的过程。 训练完成后，可以查看 模型性能。

若要训练模型，请启动训练作业。 只有已成功完成的作业才能创建模型。 训练作业在七天后过期，之后你将无法再检索作业详细信息。 如果训练作业成功完成并创建了模型，作业过期将不会影响模型。 你在同一时间只能有一个训练作业处于运行状态，并且无法在同一项目中启动其他作业。

处理简单项目时训练时间可能是几秒钟，达到语句最大限制时训练时间可能是几小时。

成功完成训练后，将自动触发模型评估。 评估过程首先使用经过训练的模型对测试集中的语句运行预测，并将预测结果与提供的标签进行比较（这确立了真实性的基线）。 返回结果，以便可以查看 模型的性能。

先决条件

• 一个成功创建的项目，并配置了 Azure Blob 存储帐户

请参阅 项目开发生命周期。

数据拆分

开始训练过程之前，项目中标记的语句会划分为训练集和测试集。 其中的每一个都有不同的功能。 训练集用于训练模型。 模型从该数据集中学习带标签的话语。 测试集是一个盲集，它不是在训练期间引入到模型的，而是在评估期间引入的。

成功训练模型后，可将其用于根据测试集中的语句进行预测。 这些预测用于计算评估指标。

我们建议在训练集和测试集中全面表示所有意图。

业务流程工作流支持两种数据拆分方法：

• 根据所选的百分比，自动从训练数据拆分测试集：系统会根据所选的百分比在训练集和测试集之间拆分标记的数据。 建议的拆分百分比为 80% 用于训练，20% 用于测试。

• 使用手动拆分训练和测试数据：此方法使用户能够定义语句应分别属于哪个集合。 只有在 标记期间向测试集添加了话语时，才启用此步骤。

定型模型

启动训练作业

使用以下 URL、标头和 JSON 正文创建 POST 请求以提交训练作业。

请求的 URL

创建 API 请求时，请使用以下 URL。 将占位符中的值替换为您自己的值。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/:train?api-version={API-VERSION}

Headers

使用以下标头对请求进行身份验证。

请求主体

在请求中使用以下对象。 完成训练后，该模型将被命名为 MyModel。

{
  "modelLabel": "{MODEL-NAME}",
  "trainingMode": "standard",
  "trainingConfigVersion": "{CONFIG-VERSION}",
  "evaluationOptions": {
    "kind": "percentage",
    "testingSplitPercentage": 20,
    "trainingSplitPercentage": 80
  }
}

发送 API 请求后，会收到指示 202 成功的响应。 在响应标头中，提取 operation-location 格式如下的值：

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}

可以使用此 URL 获取训练作业状态。

获取训练作业状态

训练可能需要一些时间，具体取决于训练数据的大小和架构的复杂性。 可以使用以下请求不断轮询训练作业的状态，直至成功完成。

使用以下 GET 请求来获取模型在训练过程中的状态。 将占位符中的值替换为您自己的值。

请求的 URL

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}?api-version={API-VERSION}

Headers

使用以下标头对请求进行身份验证。

响应正文

发送请求后，会收到以下响应。 继续轮询该端点，直到状态参数变为“已成功”。

{
  "result": {
    "modelLabel": "{MODEL-LABEL}",
    "trainingConfigVersion": "{TRAINING-CONFIG-VERSION}",
    "estimatedEndDateTime": "2022-04-18T15:47:58.8190649Z",
    "trainingStatus": {
      "percentComplete": 3,
      "startDateTime": "2022-04-18T15:45:06.8190649Z",
      "status": "running"
    },
    "evaluationStatus": {
      "percentComplete": 0,
      "status": "notStarted"
    }
  },
  "jobId": "xxxxxx-xxxxx-xxxxxx-xxxxxx",
  "createdDateTime": "2022-04-18T15:44:44Z",
  "lastUpdatedDateTime": "2022-04-18T15:45:48Z",
  "expirationDateTime": "2022-04-25T15:44:44Z",
  "status": "running"
}

取消训练作业

使用以下 URL、标头和 JSON 正文创建 POST 请求，以取消训练作业。

请求的 URL

创建 API 请求时，请使用以下 URL。 将占位符中的值替换为您自己的值。

{ENDPOINT}/language/authoring/analyze-conversations/projects/{PROJECT-NAME}/train/jobs/{JOB-ID}/:cancel?api-version={API-VERSION}

Headers

使用以下标头对请求进行身份验证。

发送 API 请求后，会收到 202 响应，指示成功，这意味着训练作业已取消。 带有用于检查作业状态的 Operation-Location 标头的成功调用结果。

后续步骤

• 模型评估指标概念
• 如何部署模型