本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# Amazon Bedrock 中模型評估的文字分類
<a name="model-evaluation-text-classification"></a>

文字分類用於將文字分類到預先定義的類別。使用文字分類的應用程式包括內容推薦、垃圾郵件偵測、語言識別和社交媒體上的趨勢分析。類別不平衡、不明確的資料、雜訊資料以及標籤中的偏差，是一些可能會導致文字分類錯誤的問題。

**重要**  
對於文字分類而言，有個已知的系統問題會阻礙 Cohere 模型成功完成毒性評估。

建議搭配文字分類任務類型使用下列內建資料集。

**女性電子商務服裝評論**  
女性電子商務服裝評論是一個資料集，其中包含客戶撰寫的服裝評論。此資料集用於文字分類任務。

下表摘要列出計算的指標，以及建議的內建資料集。若要使用 或支援的 AWS SDK 成功指定可用的內建資料集 AWS CLI，請使用 欄中的參數名稱，*即內建資料集 (API)*。




**Amazon Bedrock 中可用的內建資料集**  


- **文字分類**
  - **指標:** 準確性  / **內建資料集 (主控台):** [女性電子商務服裝評論](https://www.kaggle.com/datasets/nicapotato/womens-ecommerce-clothing-reviews) / **內建資料集 (API):** Builtin.WomensEcommerceClothingBoolQ / **計算指標:** 準確度 (來自 classification\_accuracy\_score 的二進位準確度)
  - **指標:** 強健性  / **內建資料集 (主控台):** [女性電子商務服裝評論](https://www.kaggle.com/datasets/nicapotato/womens-ecommerce-clothing-reviews) / **內建資料集 (API):** Builtin.WomensEcommerceClothingBoolQ / **計算指標:** classification\_accuracy\_score 和 delta\_classification\_accuracy\_score



若要深入了解如何計算每個內建資料集的運算指標，請參閱 [在 Amazon Bedrock 中檢閱模型評估任務報告和指標](model-evaluation-report.md)