你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
训练是模型从标记的数据进行学习的过程。 训练完成后，可以查看 模型的性能 ，以确定是否需要改进模型。
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可用模型。 训练作业在七天后过期。 在此时间段之后，将无法检索作业详细信息。 如果训练作业成功完成并创建了模型，则作业过期不会受到影响。 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。
根据数据集大小和架构的复杂性，训练时间可能从几分钟到几小时不等。
Prerequisites
在训练模型之前，需要：
请参阅 项目开发生命周期。
数据拆分
开始训练过程之前，项目中标记的文档会划分为训练集和测试集。 其中的每一个都有不同的功能。 训练集用来训练模型，模型通过训练集学习分配给每个文档的类别。 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，它可以从测试集中的文档进行预测。 根据这些预测，计算模型的 评估指标 。 建议确保所有类在训练集和测试集中均已充分表示。
自定义文本分类支持两种数据拆分方法：
- 自动从训练数据拆分测试集：系统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。 系统会尝试表示训练集中的所有类。 建议的拆分百分比为 80% 用于训练，20% 用于测试。
注意
如果选择自动将测试集从训练数据中拆分选项，则仅根据提供的百分比拆分分配为训练集的数据。
- 使用手动拆分训练和测试数据：此方法使用户能够定义标记的文档应分别属于哪个集合。 仅当 在数据标记过程中将文档添加到测试集时，才启用此步骤。
定型模型
若要在 Language Studio 中开始训练模型，请执行以下操作：
在左侧菜单中，选择“训练作业”。
从顶部菜单中选择“启动训练作业”。
然后选择“训练新模型”并在文本框中键入模型名称。 还可以通过选择“覆盖现有模型”选项并从下拉菜单中选择要覆盖的模型来覆盖现有模型。 覆盖已训练模型的操作不可逆，但在部署新模型之前，不会影响已部署的模型。
选择数据拆分方法。 可以选择“从训练数据中自动拆分测试集”，系统将根据指定的百分比在训练集和测试集之间拆分标记数据。 或者，可以使用 手动拆分训练和测试数据，仅当 在数据标记期间将文档添加到测试集时，才启用此选项。 有关数据拆分的详细信息，请参阅如何训练模型。
选择“训练”按钮。
如果从列表中选择训练作业 ID，则会显示一个侧窗格，可在其中检查此作业的“训练进度”、“作业状态”和其他详细信息。
注意
- 只有成功完成的训练作业才会生成模型。
- 训练模型所需的时间可能在几分钟到几个小时之间，具体取决于你标记的数据的大小。
- 一次只能运行一个训练作业。 在运行的作业完成之前，无法在同一项目中启动其他训练作业。
取消训练作业
要在 Language Studio 中取消训练作业，请转到“训练作业”页。 选择要取消的训练作业，然后选择顶部菜单中的“取消”。
Next steps
训练完成后，可以查看 模型的性能 ，以便根据需要选择性地改进模型。 对模型感到满意后，就可以部署模型，使其可用于对文本进行分类。