Arbeiten mit Experimenten
Laden Sie Verlaufsdaten in ein Experiment für automatisiertes maschinelles Lernen und trainieren Sie ein Modell, um eine geschäftliche Aufgabe zu analysieren und Vorhersagen zu treffen.
Sie können Experimente in persönlichen oder freigegebenen Bereichen erstellen und bearbeiten.
Anforderungen und Berechtigungen
Für die Arbeit mit ML-Experimenten benötigen Sie:
-
Professional- oder umfassende Benutzerberechtigung
-
Die Rolle Automl Experiment Contributor (zum Anzeigen von ML-Experimenten können Sie alternativ die Rolle Automl Deployment Contributor haben).
-
Die erforderlichen Berechtigungen in dem Bereich, in dem sich die Experimente befinden. In einem freigegebenen Bereich benötigen Sie mindestens die Berechtigung Kann bearbeiten. In einem verwalteten Bereich können keine Experimente erstellt werden.
Weitere Informationen finden Sie unter:
Workflow
Bevor Sie ein Experiment für automatisiertes maschinelles Lernen in Qlik Cloud Analytics erstellen können, benötigen Sie eine gut definierte Frage für maschinelles Lernen, und ein geeigneter Trainingsdatensatz muss im Katalog vorhanden sein. Weitere Informationen finden Sie unter Definieren von Fragen für maschinelles Lernen und Vorbereiten Ihres Datensatzes für das Training.
Die folgenden Schritte beschreiben einen Experiment-Workflow.
- Experiment erstellen
Erstellen Sie ein neues Experiment in Qlik Sense. Fügen Sie es zu einem freigegebenen Bereich hinzu, wenn Sie gemeinsam mit anderen Benutzern daran arbeiten möchten.
- Experiment konfigurieren
Wählen Sie ein Ziel aus, für das Sie Vorhersagen treffen möchten, sowie Features zum Unterstützen der Vorhersage.
- Training beginnen
Beginnen Sie mit dem Training Ihrer ersten Experimentversion.
- Modell verfeinern
Während des Trainings werden geeignete Algorithmen für maschinelles Lernen auf die Trainingsdaten angewendet, und es werden Leistungsmetriken erstellt. Prüfen Sie die Metriken, um zu sehen, wie Sie das Modell verfeinern können.
Passen Sie Parameter wie Features und Algorithmen an und trainieren Sie neue Versionen des Experiments erneut, bis Sie ein gutes Modell erhalten haben.
- Modell bereitstellen
Wenn Sie ein gutes Modell haben, können Sie es bereitstellen und mit den Vorhersagen beginnen.