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。
评估和比较 Amazon SageMaker JumpStart 文本分类模型
SageMaker AI JumpStart 提供了多种文本分类模型，可将文本归类为预定义的类别。这些模型可处理情绪分析、主题分类和内容审核等任务。在为生产环境选择合适的模型时，需要结合关键指标进行审慎评估，这些指标包括准确率、F1 分数和马修斯相关系数（MCC）。
在本指南中，您将：
从 JumpStart 目录中部署多个文本分类模型（DistilBert 和 BERT）。
在均衡数据集、偏斜数据集和高难度数据集上开展全面评估。
解释高级指标，包括马修斯相关系数（MCC）和受试者工作特征曲线下面积分数。
使用系统比较框架，做出基于数据的模型选择决策。
使用自动缩放和 CloudWatch 监控功能设置生产部署。
下载完整的评估框架：JumpStart 模型评估Packag e。该软件包包括预运行结果与示例输出，这使得您可以在自行部署模型之前预览评估过程和指标。
先决条件
开始之前，请确保您拥有：
基础 Python 知识。
了解文本分类概念。
时间和成本：总时长 45 分钟。费用因实例类型和使用时长而异-有关当前费率，请参阅 SageMaker AI 定价
本教程包含 step-by-step清理说明，可帮助您移除所有资源并避免持续收费。
