在上一篇([28]整合Custom Vision到chatbot - 拍照就可以識別價錢)把Custom Vision Training好的Model和Chatbot結合達到了拍照就可以辨識飲料價錢的功能。

這一篇來看看如何透過歷史查詢的圖片持續精進Model，讓他的準確度越來越高，并且透過Iteration做版控避免更糟糕的Model不小心上綫。

加入歷史查詢圖片到Training Image裡面

和LUIS一樣，Custom Vision會記錄那些圖片有被送過來做辨識，并且會把辨識的結果留下來。

因此，作爲管理者，一段時間就應該看一下這個Model在識別上面有沒有什麽問題，有的話把他調整過了。

首先，登入到Custom Vision裡面了之後，找到要看的專案，選擇上面最後一個tab，Predictions：

點下去了之後會看到測試時候的照片都在了這邊。這個時候把滑鼠移動到某一張圖片的時候，會顯示這張圖片在決定各個tag裡面的幾率是多少：

如果想要看大一點的圖片，可以點下去，看到的畫面類似用Quick Test的到的結果畫面一樣。

如果要把這些圖片加入training的圖片清單的話，只需要把相同的用勾勾選起來，然後選擇上面的Tag images來決定是哪個tag，確定了之後按下save and close即可：

儲存完了之後，再去看Training Images會看到多了剛剛那兩張，這個時候記得要做Training：

Iteration的介紹 - 管理好Model的版本

當在執行一次Train的時候，在Peformance那邊會發現多了一個Iteration 2：

還記得在上一篇取得Prediction Url之前，我把Iteration 1變成了Default。這樣做的原因是會影響到產生的Prediction Url。

以Iteration 2來説，點下他的Prediction Url，會發現裡面有一段的參數是?iterationId={guid}。如果說沒有這個參數，那麽Default的iteration將會被使用。

這代表什麽意思呢？當Model在做調整的時候，結果可能好，也有可能壞。因此，Production使用的應該是Default的Iteration，也就是Predication URL沒有加入iterationId的版本。

只有當確認好了某個iteration model符合需求，這個時候在透過Make Default來切換成爲預設的Iteration。

以剛剛的例子來看，在Iteration 2只是在sprite類型加了兩張圖片，但是整個的Precision和Recall和Iteration 1差很多：

從截圖可以看到，不止整體的Precision和Recall掉了，在個別項目來説coke和pepsi都往下掉了。換句話説，加入了兩張圖片的training比不加入的效果還來的糟。換句話説，iteration 1比iteration 2好多了。

這個時候就不應該把iteration 2改成default。

結語

這篇對於如何使用歷史的查詢來持續Training Model以及透過Iteration的概念達到版控的效果做了一些介紹。

不過還留了一個問題，怎麽樣才知道目前的Iteration Model是好還是壞？這邊就牽扯到了兩個數字：Precision以及Recall。

這兩個數字是classifier model用來衡量好不好的數字，牽涉比較多，因此在下一篇([30]Confusion Matrix - 用來衡量Classifier Model的方式 Precision和Recall)將介紹這兩個數字的含義以及怎麽看。