Zu Hauptinhalt springen Zu ergänzendem Inhalt springen

Navigieren auf der Experiment-Benutzeroberfläche

Eine Oberfläche mit Registerkarten ermöglicht es Ihnen, zwischen verschiedenen Prozessen in Ihrer Modelltrainingserfahrung zu wechseln. Auf den einzelnen Registerkarten und im Konfigurationsfenster des Experiments können Sie zahlreiche Aufgaben durchführen, um Ihr Modell zu trainieren und zu optimieren.

Symbolleiste

Auf der Symbolleiste können Sie zwischen den verschiedenen Registerkarten auf der Benutzeroberfläche hin- und herwechseln.

Auf der Symbolleiste können Sie auch Folgendes tun:

  • Je nach Registerkarte, auf der Sie sich befinden, können Sie zwischen Ihren trainierten Modellen hin- und herwechseln.

  • Klicken Sie auf Konfiguration anzeigen, um das Experimenttraining weiter zu modifizieren, die aktuelle Version zu überprüfen oder mit der Konfiguration einer neuen Version zu beginnen.

Symbolleiste in einem AutoML-Experiment

Symbolleiste in einem ML-Experiment

Daten

Auf dieser Registerkarte können Sie die Daten im Experiment verwalten. Wenn Sie Ihr Experiment zum ersten Mal erstellen, ist dies die einzige Registerkarte, die Sie sehen. In dem Maße, wie das Experiment trainiert wird, können Sie zwischen anderen Registerkarten für die Modellanalyse hin- und herwechseln.

Auf der Registerkarte Daten können Sie:

  • Ein Ziel auswählen, bevor die erste Version trainiert wird.

  • Funktionen hinzufügen oder entfernen.

  • Einblicke und Statistiken zum Funktionsdatensatz anzeigen.

  • Einen neuen Trainingsdatensatz auswählen.

Wechseln Sie zwischen der Schema Schemaansicht und der Tabelle Datenansicht, um unterschiedliche Darstellungen des Trainingsdatensatzes zu erhalten.

Registerkarte Daten in einem AutoML-Experiment

Registerkarte 'Daten' in einem ML-Experiment, bevor der Benutzer eine Version des Trainings ausgeführt hat

Modelle

Führen Sie eine Schnellanalyse der Trainingsergebnisse durch. Über die Registerkarte Modelle können Sie schnell die Kernmetriken für jedes Modell verstehen und vergleichen. Um detailliertere Modellanalysen durchzuführen, können Sie die Registerkarten Vergleichen und Analysieren verwenden.

Klicken Sie auf ein Modell in der Tabelle Modellmetriken, um Folgendes anzuzeigen:

  • Leistungswerte

  • Modelltrainingsübersicht (bei intelligenter Modelloptimierung verfügbar)

  • Funktionsrelevanzvisualisierungen

  • Andere experimenttypspezifische Visualisierungen

Weitere Informationen finden Sie unter Durchführen von schnellen Modellanalysen.

Registerkarte Modelle in einem AutoML-Experiment, das mit intelligenter Modelloptimierung trainiert wurde

Registerkarte 'Modelle' in einem ML-Experiment mit Übersicht, Kernmodellmetriken und automatisch erzeugten Visualisierungen

Vergleichen

Vergleichen Sie Ihre Modelle detailliert anhand eingebetteter Analysen. Nehmen Sie Auswahlen vor und passen Sie die Daten an, die in den Dashboards dargestellt werden, um Einblicke in Modelle zu gewinnen.

Auf der Registerkarte Vergleichen können Sie:

  • Alle verfügbaren Modellmetriken und Hyperparamenter aufrufen.

  • Trainings- und Holdout-Metriken modellübergreifend vergleichen.

Weitere Informationen finden Sie unter Vergleichen von Modellen.

Registerkarte Vergleichen in einem ML-Experiment

Vergleichsmodellanalyse in ML-Experiment

Analysieren

Führen Sie eine tiefergehende Analyse mit eingebetteten Analysen für jedes Modell, das Sie trainieren.

Auf der Registerkarte Analysieren können Sie:

  • Die Vorhersagegenauigkeit weiter analysieren.

  • Die Funktionsrelevanz detailliert auswerten.

  • Die Verteilung von Funktionsdaten anzeigen.

Weitere Informationen zur detaillierten Modellanalyse finden Sie unter Durchführen von detaillierten Modellanalysen.

Registerkarte Analysieren in ML-Experiment

Registerkarte 'Analysieren' in einem ML-Experiment mit Vorhersagegenauigkeit und Funktionsrelevanz

Fenster Experimentkonfiguration

Klicken Sie auf Schema Konfiguration anzeigen, um den Fensterbereich der Experimentkonfiguration zu erweitern. Wenn dieser Fensterbereich erweitert ist, können Sie mit der Konfiguration einer neuen Version beginnen und diese anpassen, um mehr Kontrolle über den Trainingsprozess zu erlangen.

Mit dem Fensterbereich zur Experimentkonfiguration können Sie Folgendes tun:

  • Ziel auswählen, bevor die erste Version trainiert wird

  • Features hinzufügen oder entfernen

  • Eine neue Version des Experiments konfigurieren

  • Auswählen, um den Trainingsdatensatz zu ändern oder zu aktualisieren

  • Algorithmen hinzufügen oder entfernen

  • Modelloptimierungseinstellungen ändern

Fenster Experimentkonfiguration

Erweitertes Anpassungsfenster in einem ML-Experiment

Hat diese Seite Ihnen geholfen?

Wenn Sie Probleme mit dieser Seite oder ihren Inhalten feststellen – einen Tippfehler, einen fehlenden Schritt oder einen technischen Fehler –, teilen Sie uns bitte mit, wie wir uns verbessern können!