Zu Hauptinhalt springen Zu ergänzendem Inhalt springen

Navigieren in der Benutzeroberfläche für die ML-Bereitstellung

Öffnen Sie Ihre ML-Bereitstellung, um Verwaltungs- und Überwachungsschritte durchzuführen und damit Vorhersagen für Datensätze zu erstellen.

Öffnen Sie eine ML-Bereitstellung über den Katalog. Navigationsoptionen sind für folgende Elemente vorhanden:

Bereitstellungsübersicht

Die Bereitstellungsübersicht zeigt die Features, die im Modelltraining verwendet wurden, und die Details für die Bereitstellung.

Überblick über die ML-Bereitstellung

Fenster „Modellübersicht“

Wenn das Standardmodell in der Bereitstellung inaktiv ist, werden Sie in einem Banner am oberen Rand des Bildschirms darauf hingewiesen. Wenn Sie über die richtigen Berechtigungen verfügen, können Sie das Modell aktivieren, indem Sie auf Modell aktivieren klicken. Weitere Informationen finden Sie unter:

Bereitstellbare Modelle

Im Fenster Bereitstellbare Modelle können Sie Modell-Aliasse verwalten und konfigurieren, welche Modelle für Vorhersagen verwendet werden.

Weitere Informationen finden Sie unter Verwenden mehrerer Modelle in der ML-Bereitstellung.

Fenster Bereitstellbare Modelle in Qlik Predict

Bereich „Bereitstellbare Modelle“ auf der ML-Bereitstellungs-Benutzeroberfläche in [[[Undefined variable CommonComponents.AutoML]]]

Stapelvorhersagen

Unter Stapelvorhersagen können Sie mit der ML-Bereitstellung Stapelvorhersagen verwalten und ausführen. Klicken Sie auf Vorhersage erstellen, um eine Vorhersagekonfiguration zu erstellen, mit der Sie Stapelvorhersagen durchführen. Für eine ML-Bereitstellung können Sie mehrere Vorhersagekonfigurationen haben.

Sie können das Menü Aktionen Drei-Punkte-Menü in der Tabelle für folgende Zwecke verwenden:

  • Anzeigen und Bearbeiten von Details für Vorhersagekonfigurationen

  • Vorhersagen aus bestehenden Konfigurationen ausführen

  • Konfigurationen bearbeiten und löschen

  • Vorhersagezeitpläne für eine vorhandene Konfiguration erstellen, bearbeiten und löschen

Stapelvorhersagen mit einer Übersicht und erweitertem Menü Aktionen

Fenster „Datensatzvorhersagen“.

Wenn Sie Vorhersagekonfiguration bearbeiten auswählen, wird das Fenster Vorhersagekonfiguration geöffnet.

Stapelvorhersagen mit Seitenfenster für die Vorhersagekonfiguration

Menü „Vorhersagekonfiguration“ und Datenschemas beim Erstellen von Vorhersagen.

Echtzeitvorhersagen

Im Fenster Echtzeitvorhersagen erhalten Sie Zugriff auf den Echtzeitvorhersagen-Endpunkt in der Machine Learning API. Wenn das Standardmodell in der ML-Bereitstellung für die Erstellung von Vorhersagen aktiviert ist, ist dieses Fenster sichtbar.

Informationen zum Erstellen von Echtzeitvorhersagen finden Sie unter Erstellen von Echtzeitvorhersagen.

Informationshinweis

Die Echtzeitvorhersagen-API ist veraltet und wurde durch den Echtzeitvorhersagen-Endpunkt in der Machine Learning API ersetzt. Die Funktionalität selbst ist nicht veraltet. Verwenden Sie für künftige Echtzeitvorhersagen den Echtzeitvorhersagen-Endpunkt in der Machine Learning API.

Fenster „Echtzeitvorhersagen“

Fenster „Echtzeitvorhersagen“.

Überwachung von Vorgängen

In der Überwachung von Vorgängen können Sie Nutzungsinformationen für die ML-Bereitstellung überwachen. Sie können Details über die Nutzung der ML-Bereitstellung einsehen, z. B. wie viele Vorhersageereignisse erfolgreich sind oder fehlschlagen und wie Vorhersageereignisse normalerweise ausgelöst werden.

Weitere Informationen finden Sie unter Überwachung der Vorgänge von bereitgestellten Modellen.

Fenster Überwachung von Vorgängen in einer ML-Bereitstellung

Eingebettete Analyse mit Vorgangsanalyse für eine ML-Bereitstellung

Überwachung von Datendrifts

In der Überwachung von Datendrifts können Sie Datendrifts für die ML-Bereitstellung überwachen.

Mit der Überwachung von Datendrifts können Sie Änderungen an der Verteilung der Features im Quellmodell bewerten. Wenn ein signifikanter Drift beobachtet wird, sollten Sie Ihr Modell neu trainieren oder neu konfigurieren, um die neuesten Daten zu berücksichtigen, die möglicherweise neue Muster in den Datentrends angeben.

Weitere Informationen finden Sie unter Überwachung von Datendrift in bereitgestellten Modellen.

Fenster Überwachung von Datendrifts in einer ML-Bereitstellung

Eingebettete Analyse mit Datendrift-Analyse für eine ML-Bereitstellung

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!