Arbeiten mit maschinellem Lernen in Qlik Answers | Qlik Cloud Hilfe
Zu Hauptinhalt springen Zu ergänzendem Inhalt springen
Qlik Ressourcen
SearchUnify-Suche wird geladen Wenn Sie Unterstützung für Ihr Produkt benötigen, wenden Sie sich an den Qlik-Support.
Qlik Kundenportal
SearchUnify-Suche wird geladen Wenn Sie Unterstützung für Ihr Produkt benötigen, wenden Sie sich an den Qlik-Support.
Qlik Kundenportal

Arbeiten mit maschinellem Lernen in Qlik Answers

Letzte Aktualisierung: 15.09.2026

Sie können mit Qlik Predict automatisiertem maschinellem Lernen arbeiten, indem Sie die KI-gestützte Technologie von Qlik Answers nutzen.

In dem agentischen Qlik Answers Erlebnis können Sie Workflows für maschinelles Lernen in natürlicher Sprache erstellen und ausführen. Sie können Datensätze erkunden, Experimente konfigurieren und trainieren sowie Vorhersagen über dieselbe Chat-Erfahrung ausführen.

Arbeiten mit Predict in Qlik Answers

Training eines ML-Experiments in einer agentischen Erfahrung
Govnote-not-inWird in Qlik Cloud Government nicht unterstützt.
Govnote-not-inWird in Qlik Cloud Government – DoD nicht unterstützt.

Bevor Sie beginnen

Voraussetzungen:

Öffnen Qlik Predict in Qlik Answers

Gehen Sie folgendermaßen vor:

  1. Klicken Sie auf Öffnen Answers, um Qlik Answers zu öffnen.

  2. Wählen Sie im Dropdown-Menü Predict.

    Öffnen von Predict

    Auswählen des Vorhersage-Agenten im Chat

End-to-End-Workflows

Verwenden Sie die folgenden Workflows, wenn Sie mit Predict arbeiten.

Schritt 1: Datensatzexploration und Erkenntnisse

Nutzen Sie Datensatz-Einblicke, um die Datenqualität und Kandidatenfelder vor dem Training zu verstehen. Bitten Sie um Einblicke und Zielempfehlungen.

Sie müssen auch nicht den genauen Namen des Datensatzes kennen, den Sie verwenden möchten – Sie können eine Liste der verfügbaren Datensätze anfordern.

Beispielfragen zur Datensatzexploration und für Erkenntnisse
Aktion Beispielfragen Notizen
Datensatz-Auswahl

  • Zeige mir die verfügbaren Datensätze für das Training

  • Welche Datensätze kann ich zum Training verwenden?

  • Datensätze auflisten

-
Datensatzeinblicke

  • können Sie mir Datensatz-Einblicke für <dataset name> zeigen

Alternativ können Sie den Datensatz zuerst in Qlik Cloud öffnen und dann Fragen stellen wie:

  • können Sie mir Datensatzeinblicke für diesen Datensatz zeigen?

  • Welche Merkmale in diesem Datensatz haben eine hohe Kardinalität

Ziel-Empfehlung

  • Welche Spalte empfehlen Sie als Ziel zu verwenden

  • Was ist Ihre Empfehlung für das Ziel

  • Welche Spalte soll das trainierte Modell vorhersagen

Nützlich als Folgefragen nach Auswahl eines Datensatzes und Erkundung von Erkenntnissen.

Schritt 2: Experimenttraining und -überwachung

Beschreiben Sie Ihr Ziel und lassen Sie den Agenten ein Experiment konfigurieren und ausführen. Regressions- und Klassifikationsexperimenttypen werden unterstützt. Nachdem Sie einen Datensatz und ein Ziel ausgewählt haben, werden Sie aufgefordert, das Training zu starten.

Wenn Sie zuvor bereits einen Machine-Learning-Workflow gestartet haben, können Sie Predict bitten, bestehende Experimente zu überwachen.

Beispielfragen für Experimenttraining und -überwachung
Aktion Beispielfragen Notizen
Experiment-Training (mit bereits ausgewähltem Datensatz)

  • Ich möchte <column name> vorhersagen

  • Verwenden Sie <column name> als Ziel

Nützlich als Folgefragen nach der Auswahl eines zu verwendenden Trainingsdatensatzes.
Experiment-Training (kein Datensatz ausgewählt)

  • Trainieren Sie Modelle, um <Spaltenname> vorherzusagen; verwenden Sie <Datensatzname oder ein Schlüsselwort>

  • Erstellen Sie ein Experiment mit <dataset name or a keyword> Daten

Diese Fragen können Ihnen helfen, direkt loszulegen, ohne manuell nach Datensätzen nach Namen suchen zu müssen.
Experiment-Überwachung

  • Liste meine letzten Experimente und ihren Status auf

  • Wie ist der Status meines Experiments
-

Schritt 3: Modellinterpretation und Empfehlungen

Nach Abschluss des Trainings können Sie eine verständliche Interpretation des Modellverhaltens und Empfehlungen basierend auf der Modellausgabe anfordern.

Beispielfragen für Modellanalyse
Aktion Beispielfragen Notizen
Modellempfehlungen

  • Was ist das beste Modell in diesem Experiment

  • Ich habe das Experiment <experiment name> geöffnet. Was ist das beste Modell

  • Ich habe das Experiment <experiment name> geöffnet. Fassen Sie die beste Modellleistung für ein Geschäftspublikum zusammen

Für optimale Ergebnisse müssen Sie entweder das Experiment in Ihrem Browser geöffnet haben oder den Experimentnamen in der Eingabeaufforderung referenzieren.
Modellmetriken und Erkenntnisse

  • Was ist der beste Modellalgorithmus in diesem Experiment

  • Ich habe das Experiment <experiment name> geöffnet. Was sind die Metriken für das beste Modell

  • Erkunden Sie Modelleinblicke und Funktionswichtigkeit für dieses Experiment

  • Ich habe das Experiment <experiment name> geöffnet. Welche Merkmale haben den stärksten Einfluss auf dieses Modell?

Für optimale Ergebnisse müssen Sie entweder das Experiment in Ihrem Browser geöffnet haben oder den Experimentnamen in der Eingabeaufforderung referenzieren.

Beim Analysieren von Modellen im Chat können Sie auch auf Quelle anzeigen klicken, um zusätzliche Details zu erweitern, darunter Diagramme zur Aufschlüsselung der Funktionswichtigkeit und Erkenntnisse in natürlicher Sprache.

Verwenden von Quelltext anzeigen zur Analyse von Modellen mit eingebetteten Diagrammen

Nutzung von „Quelltext anzeigen“ zur Analyse von Modellen mit eingebetteten Diagrammen

Schritt 4: Bereitstellung, Aktivierung und Vorhersagen

Nach dem Training können Sie ein Modell bereitstellen, wodurch eine ML-Bereitstellung erstellt wird. Nachdem Sie angefordert haben, ein Modell bereitzustellen, werden Sie aufgefordert, die Bereitstellung zu bestätigen.

Sie können auch Batch-Vorhersagen mit den von Ihnen bereitgestellten Modellen ausführen. Das System sucht nach kompatiblen Anwendungsdatensätzen und listet sie zur Auswahl auf. Sie können auch Eingabeaufforderungen in natürlicher Sprache verwenden, um einen bestimmten Anwendungsdatensatz auszuwählen.

Bereitgestellte Modelle werden automatisch aktiviert, sobald Vorhersagen erstellt werden, abhängig von der verfügbaren Kapazität für das Abonnement.

Beispielfragen für Bereitstellung und Vorhersagen
Aktion Beispielfragen Notizen
Bereitstellung und Überwachung von Modellen

  • Stellen Sie das beste Modell für dieses Experiment bereit

  • Ich habe das Experiment <experiment name> geöffnet. Bereitstellungsdetails anzeigen

  • Überprüfen Sie den Bereitstellungsstatus für dieses Experiment

Nützlich als Folgefragen direkt nach der Modellanalyse.

Für optimale Ergebnisse müssen Sie entweder das Experiment in Ihrem Browser geöffnet haben oder den Experimentnamen in der Eingabeaufforderung referenzieren.
Vorhersagen—Anfrage starten

  • Vorhersagen mit dieser Bereitstellung ausführen

  • Führen Sie Vorhersagen mit der Bereitstellung <deployment name> aus

Für optimale Ergebnisse müssen Sie entweder die Bereitstellung in Ihrem Browser geöffnet haben oder den Namen der Bereitstellung im Prompt referenzieren.
Vorhersagen—Auswählen eines Anwendungsdatensatzes

  • Verwenden Sie <apply dataset name> als Anwendungsdatensatz für Vorhersagen mit dieser Bereitstellung

  • Ich habe die Bereitstellung <deployment name> offen. Führen Sie Vorhersagen mit dem <apply dataset name> Datensatz aus

Für optimale Ergebnisse müssen Sie entweder die Bereitstellung in Ihrem Browser geöffnet haben oder den Namen der Bereitstellung im Prompt referenzieren.
Prognosen—Statusüberwachung

  • Überprüfen Sie den Status der Batch-Vorhersage für diese Bereitstellung

Für optimale Ergebnisse müssen Sie entweder die Bereitstellung in Ihrem Browser geöffnet haben oder den Namen der Bereitstellung im Prompt referenzieren.
Vorhersagen—Vorhersageausgabe erkunden

  • Ich habe die Bereitstellung <deployment name> offen. Aktuelle Vorhersageergebnisse erkunden

  • Zeige mir meine neuesten Vorhersagen für diese Bereitstellung

Für optimale Ergebnisse müssen Sie entweder die Bereitstellung in Ihrem Browser geöffnet haben oder den Namen der Bereitstellung im Prompt referenzieren.

Bewährte Methoden zum Stellen von Fragen

Für optimale Ergebnisse bei der Arbeit mit Qlik Predict in Qlik Answers, folgen Sie diesen allgemeinen Richtlinien:

  • Wenn Sie unsicher sind, wie Sie anfangen sollen, fragen Sie Predict, was es tun kann. Qlik Answers kann eine Liste der unterstützten Funktionen bereitstellen.

  • Starten Sie eine neue Unterhaltung, wenn Sie das Thema wechseln oder wenn Sie nicht die gewünschte Antwort erhalten.

  • Wenn Sie nicht die gewünschte Antwort erhalten, versuchen Sie, mehr Details anzugeben und präzise zu beschreiben, was Sie tun möchten. Zum Beispiel kann das Referenzieren der genauen Namen von Datensätzen und anderen Extras Qlik Answers besser helfen, sie zu finden, wenn das Training gestartet oder Vorhersagen ausgeführt werden.

  • Formulieren Sie Ihre Frage um, wenn Sie beim ersten Mal nicht die gewünschte Antwort erhalten.

Weitere Informationen finden Sie unter Best Practices für das Chatten mit Qlik Answers.

Berechtigungen

Sie benötigen sowohl Qlik Answers als auch Qlik Predict Berechtigungen, um End-to-End-Workflows für maschinelles Lernen abzuschließen.

Konkret benötigen Sie Folgendes:

Beschränkungen

Datensätze

Aktualisieren und Löschen von Datensätzen

Sie können keine Datensätze aus dem Chat hochladen oder löschen.

Datensätze wechseln

Das Folgende ist im Chat nicht möglich:

  • Ändern von Trainingsdatensätzen nach dem Ausführen einer Experimentversion.

  • Mehrere Vorhersagen mit unterschiedlichen Anwendungsdatensätzen innerhalb desselben Chats ausführen.

Als Workaround, wenn Sie Experimente trainieren oder Vorhersagen mit einem anderen Datensatz ausführen müssen, starten Sie zuerst einen neuen Chat. Wenn Sie Experimente trainieren, erfordert dies auch die Erstellung eines neuen Experiments im neuen Chat.

Weitere Informationen zum Starten neuer Chats finden Sie unter Chatten mit Qlik Answers.

Große Datensätze

Chat unterstützt keine Datensätze, die eine der folgenden Grenzen überschreiten für den Qlik Cloud Mandant:

  • Maximale Datensatzgröße (Trainingsdatensätze)

  • Maximale Anzahl der Datensatzzellen (Trainingsdatensätze)

  • Maximale Anzahl von enthaltenen Spalten (Trainings- und Anwendungsdatensätze)

Experimentelle Funktionen

  • Bias-Erkennung wird nicht unterstützt.

  • Es ist nicht möglich, Modelltrainingsberichte zu analysieren oder herunterzuladen.

  • Es ist nicht möglich, auf eingebettete Analysen (Vergleichen und Analysieren Registerkarten) für das Experiment zuzugreifen.

  • Alle Merkmale und Algorithmen werden für das Training ausgewählt, wenn das Experiment konfiguriert wird. Sie können Funktionen oder Algorithmen nicht abwählen. Darüber hinaus wird zur Modellschulung stets intelligente Modelloptimierung eingesetzt – manuelle Optimierung wird nicht unterstützt.

  • Es ist nicht möglich, zweite und nachfolgende Versionen eines Experiments zu trainieren.

Modelltypen

Nicht verfügbar für Zeitreihenmodelle.

Vorhersagetypen

Nicht verfügbar für Echtzeit oder Konnektor-basierte Vorhersagen.

ML-Modellverwaltung

  • Sie können ein bestehendes bereitgestelltes Modell nicht aus dem Chat ersetzen.

  • Sie können nicht mehrere Modelle aus verschiedenen Experimentversionen aus dem Chat bereitstellen.

  • Es ist nicht möglich, auf eingebettete Analysen (Modelloperationen und Driftüberwachung) für die Bereitstellung zuzugreifen.

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