Herunterladen von ML-Trainingsberichten als Administrator

Administratoren können Trainingsberichte für bereitgestellte ML-Modelle herunterladen, die mit Qlik Predict trainiert wurden. Trainingsberichte enthalten umfassende Details zu den Prozessen, mit denen ein Modell trainiert wurde, und optional zu anderen Modellen im ML-Experiment. Die Trainingsberichte liegen im PDF-Format vor.

Benutzer ohne Administratorrechte können ebenfalls Trainingsberichte von ML-Experimenten und ML-Bereitstellungen herunterladen. Weitere Informationen finden Sie unter Herunterladen von ML-Trainingsberichten.

Experimenttrainingsbericht — ML-Trainingsbericht

Anwendungsfälle

Mit Modelltrainingsberichten können Sie:

Sich die Prozesse, mit denen Ihre Modelle trainiert werden, genauer ansehen, z. B. für Prüfzwecke.
Details zum Modelltraining ganz einfach mit Benutzern außerhalb von Qlik Cloud teilen.

Erstellen von Trainingsberichten

Über das Aktivitätscenter Administration

Gehen Sie folgendermaßen vor:

Gehen Sie in Administration zu Qlik Predict.
Öffnen Sie die Registerkarte Bereitgestellte Modelle.
Klicken Sie neben einem Modell in der Tabelle auf .
Wählen Sie Trainingsbericht herunterladen aus.
Klicken Sie im Dialogfeld optional auf Informationen über alle Modelle im Experiment einschließen.

Wenn diese Einstellung aktiviert ist, wird ein erweiterter Bericht erstellt, der Informationen über alle im Experiment trainierten Modelle enthält.
Klicken Sie bei Bedarf auf Vorschau, um den Bericht anzuzeigen, ohne ihn herunterzuladen. Abhängig von Ihrem Browser müssen Sie dies möglicherweise mehr als einmal versuchen.
Klicken Sie auf Herunterladen. Der Bericht wird erstellt und in Ihrem lokalen Download-Ordner gespeichert.

Über ein ML-Experiment

Gehen Sie folgendermaßen vor:

Öffnen Sie ein ML-Experiment.
Gehen Sie zur Registerkarte Modelle.
Wählen Sie ein Modell aus.
Klicken Sie oben rechts auf Trainingsbericht herunterladen.
Klicken Sie im Dialogfeld optional auf Informationen über alle Modelle im Experiment einschließen.

Wenn diese Einstellung aktiviert ist, wird ein erweiterter Bericht erstellt, der Informationen über alle im Experiment trainierten Modelle enthält.
Klicken Sie bei Bedarf auf Vorschau, um den Bericht anzuzeigen, ohne ihn herunterzuladen. Abhängig von Ihrem Browser müssen Sie dies möglicherweise mehr als einmal versuchen.
Klicken Sie auf Herunterladen. Der Bericht wird erstellt und in Ihrem lokalen Download-Ordner gespeichert.

Sie können auch einen Trainingsbericht erstellen, indem Sie in einem Modell auf Drei-Punkte-Menü klicken und Trainingsbericht herunterladen auswählen.

Über eine ML-Bereitstellung

Gehen Sie folgendermaßen vor:

Öffnen Sie eine ML-Bereitstellung.
Gehen Sie zur Registerkarte Bereitstellbare Modelle.
Klicken Sie unter Alle Modelle in der Bereitstellung auf neben einem Modell.
Wählen Sie Trainingsbericht herunterladen aus.
Klicken Sie im Dialogfeld optional auf Informationen über alle Modelle im Experiment einschließen.

Wenn diese Einstellung aktiviert ist, wird ein erweiterter Bericht erstellt, der Informationen über alle im Experiment trainierten Modelle enthält. Weitere Informationen finden Sie unter Vollständige und fokussierte Versionen.
Klicken Sie bei Bedarf auf Vorschau, um den Bericht anzuzeigen, ohne ihn herunterzuladen. Abhängig von Ihrem Browser müssen Sie dies möglicherweise mehr als einmal versuchen.
Klicken Sie auf Herunterladen. Der Bericht wird erstellt und in Ihrem lokalen Download-Ordner gespeichert.

Inhalt eines Trainingsberichts

Der Trainingsbericht enthält im Einzelnen die folgenden Informationen. Einige Details sind möglicherweise nur vorhanden, wenn Sie die Vollversion des Trainingsberichts herunterladen. Weitere Informationen finden Sie unter Vollständige und fokussierte Versionen.

Wer das Experiment erstellt hat
Wann Experimente und Modell trainiert wurden
Speicherort und Name der im Training verwendeten Ressourcen
Wie viele Versionen und Modelle das Experiment umfasst
Die Algorithmen, die zum Trainieren der Modelle verwendet wurden
Details zu den verwendeten Trainingsdatensätzen, z.B. wie viele Daten sie enthalten
Verarbeitung, die vor und während des Trainings an den Trainingsdaten vorgenommen wurde
Modellmetriken sowohl für Trainings- als auch für Holdout-Daten
Hyperparameterdaten

Vollständige und fokussierte Versionen

Beim Herunterladen eines Trainingsberichts kann der Benutzer optional eine Einstellung namens Informationen über alle Modelle im Experiment einschließen aktivieren. Diese Einstellung steuert, ob die vollständige oder die fokussierte Version des Berichts erstellt wird.

Wenn die Einstellung Informationen über alle Modelle im Experiment einschließen aktiviert ist, wird die Vollversion des Berichts erstellt. Dieser Bericht enthält zusätzliche Informationen über andere Modelle, die im Rahmen des Experiments trainiert wurden.

Der fokussierte Bericht hingegen enthält nur Informationen über das ausgewählte Modell. Informationen über andere Modelle im Experiment sind nicht eingeschlossen.

Interpretieren der Begriffe im Trainingsbericht

Bei der Analyse von Trainingsberichten wird vorausgesetzt, dass Sie die verwendeten Fachbegriffe verstehen. Die meisten Begriffe werden in der Hilfedokumentation von Qlik Predict erklärt.

Die folgende Tabelle enthält Definitionen für den Inhalt des Berichts sowie nützliche Hilfethemen.

Verstehen der Begriffe im Trainingsbericht
Begriff	Bedeutung	Zugehöriger Inhalt
Stapel	Gibt an, wie viele Stapel von Modellen in dem Experiment trainiert wurden. Bei der intelligenten Modelloptimierung werden die Modelle in iterativen Stapeln trainiert, um die Trainingsleistung und die Ergebnisse zu verbessern. Im Gegensatz dazu trainiert eine Experimentversion, die keine intelligente Modelloptimierung – d. h. eine manuelle Optimierung – verwendet, die Modelle in einem einzigen Stapel.	-
EDA	Bezieht sich auf Sondierungs-Datenanalyse (Exploratory Data Analysis). Dies ist ein Begriff für eine automatische Reihe von Verarbeitungen der Trainingsdaten, bevor das Modelltraining beginnt.	Experimentaufbau
Encoding, Impact Encoding, One-hot Encoding	Bezieht sich auf die Verarbeitung von Feature-Daten, um sie für das Modelltraining besser nutzbar zu machen.	Kategoriale Codierung
Feature-Erstellung	Bezieht sich auf zahlreiche Prozesse, die zu neuen Features führen. Dabei kann es sich um neue Features handeln, die als völlig neue Entitäten bereitgestellt werden, aber auch um Features, die durch Encoding und freie Textverarbeitung entstehen.	Erstellen neuer Featurespalten Automatische technische Planung von Features Kategoriale Codierung
Kreuzvalidierung mit fünf Faltungen	Bezieht sich auf die Kreuzvalidierung, die für die Modelle nach jeder Iteration des Trainings durchgeführt wird.	Holdout-Daten und Kreuzvalidierung
Optimierung	Bezieht sich darauf, ob beim Modelltraining intelligente oder manuelle Optimierung verwendet wurde.	Arbeiten mit der Modelloptimierung
Stichprobenanteil	Bezieht sich darauf, welcher Teil des Trainingsdatensatzes zum Trainieren des Modells verwendet wurde. Bei der intelligenten Modelloptimierung können die Modelle manchmal mit weniger als 100 % des ursprünglichen Datensatzes trainiert werden, insbesondere bei sehr großen Datensätzen. Im Gegensatz dazu verwendet eine Experimentversion, die keine intelligente Modelloptimierung – d.h. eine manuelle Optimierung – verwendet, immer 100 % des Trainingsdatensatzes.	Stichprobennahme von Trainingsdaten
Split	Bezieht sich auf eine automatische Aufteilung des Trainingsdatensatzes in Trainings- und Holdout-Daten. Der Holdout wird nicht zum Trainieren des Modells verwendet, sondern zum Testen der Modellleistung.	Holdout-Daten und Kreuzvalidierung
(U=vom Benutzer überschrieben)	Bezieht sich auf die Benutzeraktion der manuellen Änderung eines automatisch identifizierten Feature-Typs.	Ändern der Feature-Typen

Berechtigungen und Anforderungen zum Herunterladen von Trainingsberichten

Berechtigungen und Voraussetzungen für das Herunterladen über das Aktivitätscenter Administration

Um einen Trainingsbericht über das Aktivitätscenter Administration zu exportieren, muss das Modell für mindestens eine ML-Bereitstellung bereitgestellt werden.

Außerdem benötigen Sie Anzeigeberechtigungen für ML-Inhalte. Mit anderen Worten: Als Administrator benötigen Sie eine der folgenden Rollen:

Rolle Tenant Admin
Rolle Analytics Admin
Die Administratorberechtigung ML-Experimente und -Bereitstellungen verwalten ist über User Default oder die benutzerdefinierte Sicherheitsrolle auf Zulässig festgelegt.

Berechtigungen zum Herunterladen aus ML-Experimenten und ML-Bereitstellungen

Mit einer der folgenden Rollen kann ein Administrator Trainingsberichte von ML-Experimenten und ML-Bereitstellungen herunterladen:

Rolle Tenant Admin
Rolle Analytics Admin
Die Administratorberechtigung ML-Experimente und -Bereitstellungen verwalten ist über User Default oder die benutzerdefinierte Sicherheitsrolle auf Zulässig festgelegt.

Beschränkungen

Trainingsberichte sind nur für ML-Experimente verfügbar, die ab Ende Juli 2025 erstellt wurden.

Hat diese Seite Ihnen geholfen?

Wenn Sie ein Problem mit dieser Seite oder ihrem Inhalt feststellen, sei es ein Tippfehler, ein ausgelassener Schritt oder ein technischer Fehler, informieren Sie uns bitte!

Geben Sie hier Ihr Feedback ab