Descargar informes de entrenamiento de ML
Puede descargar informes de entrenamiento para los modelos que entrena en un experimento. El informe de entrenamiento incluye detalles exhaustivos sobre los procesos que entrenaron un modelo y, opcionalmente, otros modelos del experimento de ML. Puede descargar los informes de entrenamiento de los experimentos de ML y de las implementaciones de ML a los que tiene acceso. Los informes de entrenamiento están en formato PDF.
Los administradores también pueden descargar informes de entrenamiento del centro de actividades Administración. Para más información, vea Descargar informes de entrenamiento de ML como administrador.
Informe de entrenamiento de ML
Casos de uso
Con los informes de formación de modelos, podrá:
-
Profundice en los procesos que entrenan sus modelos, por ejemplo, con fines de auditoría.
-
Comparta fácilmente los detalles sobre el entrenamiento del modelo con usuarios ajenos a Qlik Cloud.
Generar un informe de entrenamiento
A partir de un experimento
Haga lo siguiente:
-
Abra un experimento de ML.
-
Vaya a la pestaña Modelos.
-
Seleccione un modelo.
-
En la esquina superior derecha, haga clic en Descargar informe de entrenamiento.
-
En el cuadro de diálogo, opcionalmente en Incluir información sobre todos los modelos del experimento.
Cuando se activa, este ajuste genera un informe ampliado que contiene información sobre todos los modelos entrenados en el experimento.
-
Si es necesario, haga clic en Vista previa para ver el informe sin descargarlo. Dependiendo de su navegador, puede que tenga que intentarlo más de una vez.
-
Haga clic en Descargar.El informe se genera y se guarda en su carpeta local de descargas.
También puede generar un informe de entrenamiento haciendo clic en 
en un modelo, y seleccionando Descargar informe de entrenamiento.
A partir de una implementación de ML
Haga lo siguiente:
-
Abra una implementación de ML.
-
Vaya a la pestaña Modelos implementables.
-
En Todos los modelos de la implementación, haga clic en
junto a un modelo. -
Seleccione Descargar el informe de entrenamiento.
-
En el cuadro de diálogo, opcionalmente en Incluir información sobre todos los modelos del experimento.
Cuando se activa, este ajuste genera un informe ampliado que contiene información sobre todos los modelos entrenados en el experimento. Vea Versiones completa y concentrada.
-
Si es necesario, haga clic en Vista previa para ver el informe sin descargarlo. Dependiendo de su navegador, puede que tenga que intentarlo más de una vez.
-
Haga clic en Descargar.El informe se genera y se guarda en la carpeta Descargas local.
Como administrador
Los administradores también pueden descargar informes de entrenamiento del centro de actividades de Administración.Para obtener más información, consulte Descargar informes de entrenamiento de ML como administrador.
Qué se incluye en un informe de entrenamiento
El informe de entrenamiento describe, en detalle, la siguiente información. Es posible que algunos detalles solo estén presentes si descarga la versión completa del informe de entrenamiento. Para más información, vea Versiones completa y concentrada.
-
Quién creó el experimento
-
Cuando se entrenaron los experimentos y el modelo
-
Ubicación y nombre de los recursos utilizados en el entrenamiento
-
Cuántas versiones y modelos tiene el experimento
-
Los algoritmos utilizados para entrenar los modelos
-
Detalles sobre los conjuntos de datos de entrenamiento utilizados, como la cantidad de datos que contienen
-
Procesamiento que se realizó en los datos de entrenamiento antes y durante el entrenamiento
-
Métricas del modelo tanto para los datos de entrenamiento como para los retenidos
-
Datos de hiperparámetro
Versiones completa y concentrada
Al descargar un informe de entrenamiento, el usuario puede activar opcionalmente un ajuste denominado Incluir información sobre todos los modelos del experimento. Este ajuste controla si se genera la versión completa o concentrada del informe.
Con la opción Incluir información sobre todos los modelos del experimento activada, se genera la versión completa del informe. Este informe contiene información adicional sobre otros modelos entrenados en el experimento.
Por otro lado, el informe concentrado solo contiene información sobre el modelo seleccionado. No se incluye información sobre todos los modelos en el experimento.
Interpretación de los términos del informe de entrenamiento
Al analizar los informes de entrenamiento, se presupone que conoce los términos técnicos a los que se hace referencia. La mayoría de los términos se explican en la documentación de ayuda de Qlik Predict.
La siguiente tabla proporciona definiciones para el contenido del informe, junto con útiles temas de ayuda.
| Término | Significado | Contenido asociado |
|---|---|---|
| Lotes |
Se refiere a cuántos lotes de modelos se entrenaron en el experimento. Cuando se utiliza la optimización inteligente de modelos, estos se entrenan en lotes iterativos para mejorar el rendimiento y los resultados del entrenamiento. Por el contrario, una versión experimental que no utilice la optimización inteligente de modelos, es decir, la optimización manual, entrena los modelos en un único lote. |
- |
| EDA | Se refiere al análisis exploratorio de datos. Es un término para un conjunto automático de procesamientos que se realizan en los datos de entrenamiento antes de que comience el entrenamiento del modelo. | Configuración del experimento |
| Codificación, Codificación por impacto, Codificación en caliente (one-hot) | Se refiere al procesamiento aplicado a los datos de las funciones para hacerlos más utilizables en el entrenamiento de modelos. | Codificación categórica |
| Ingeniería de características | Se refiere a numerosos procesos que dan lugar a nuevas funciones. Puede tratarse de nuevas funciones que se exponen como entidades totalmente nuevas, y también de funciones que se crean mediante la codificación y el procesamiento de texto libre. |
Crear nuevas columnas de características |
| Validación cruzada quíntuple | Se refiere a la validación cruzada que se realiza en los modelos después de cada iteración de entrenamiento. | Datos retenidos y validación cruzada |
| Optimización | Se refiere a si el entrenamiento del modelo utilizó una optimización inteligente o manual. | Trabajar con la optimización de modelos |
| Ratio de muestreo | Se refiere a qué parte del conjunto de datos de entrenamiento se utilizó para entrenar el modelo. Cuando se utiliza la optimización inteligente de modelos, a veces estos pueden entrenarse con menos del 100 % del conjunto de datos original, sobre todo en el caso de conjuntos de datos muy grandes. Por el contrario, una versión experimental que no utilice la optimización inteligente de modelos, es decir, la optimización manual, siempre utiliza el 100 % del conjunto de datos de entrenamiento. |
Muestreo de datos de entrenamiento |
| Dividir | Se refiere a una división automática del conjunto de datos de entrenamiento en datos de entrenamiento y de conservación. La conservación no se utiliza para el entrenamiento del modelo, sino para comprobar su rendimiento. | Datos retenidos y validación cruzada |
| U=Usuario la anuló | Se refiere a la acción del usuario de cambiar manualmente el tipo de función a partir del tipo de función identificado de forma automática. | Cambiar los tipos de características |
Permisos
Permisos para descargar de un experimento de ML
Para exportar un informe de entrenamiento de un experimento de ML, necesita acceso de visualización al experimento. En otras palabras, debe cumplir los siguientes requisitos:
-
Derecho Profesional o Full User en el espacio empresarial inquilino de Qlik Cloud.
-
Uno de los siguientes:
-
El rol de seguridad integrado Automl Experiment Contributor
-
El rol de seguridad integrado Automl Deployment Contributor
-
El permiso Administrar experimentos de ML debe estar Permitido mediante User Default o mediante un rol de seguridad personalizado
-
El permiso Administrar implementaciones de ML debe estar Permitido mediante User Default o mediante un rol de seguridad personalizado
-
El permiso de administrador Administrar experimentos e implementaciones de ML debe estar Permitido mediante un rol de seguridad personalizado
-
-
Para experimentos en espacios compartidos, uno de los siguientes roles de espacio en el espacio:
-
Propietario (del espacio)
-
Puede administrar
-
Puede editar
-
Puede ver
-
Permisos para descargar de una implementación de ML
Para exportar un informe de entrenamiento desde una implementación de ML, necesita acceso de visualización tanto a la implementación como al experimento desde el que se implementó.
En otras palabras, debe cumplir los siguientes requisitos:
-
Derecho Profesional o Full User en el espacio empresarial inquilino de Qlik Cloud.
-
Uno de los siguientes:
-
El rol de seguridad integrado Automl Experiment Contributor
-
El rol de seguridad integrado Automl Deployment Contributor
-
El permiso Administrar experimentos de ML debe estar Permitido mediante User Default o mediante un rol de seguridad personalizado
-
El permiso Administrar implementaciones de ML debe estar Permitido mediante User Default o mediante un rol de seguridad personalizado
-
El permiso de administrador Administrar experimentos e implementaciones de ML debe estar Permitido mediante un rol de seguridad personalizado
-
-
Para experimentos en espacios compartidos, uno de los siguientes roles de espacio en el espacio:
-
Propietario (del espacio)
-
Puede administrar
-
Puede editar
-
Puede ver
-
-
Para implementaciones en espacios compartidos, uno de los siguientes roles de espacio en el espacio:
-
Propietario (del espacio)
-
Puede administrar
-
Puede editar
-
Puede ver
-
-
Para implementaciones en espacios administrados, uno de los siguientes roles de espacio en el espacio:
-
Propietario (del espacio)
-
Puede administrar
-
Puede contribuir
-
Puede ver
-
Limitaciones
-
Los informes de entrenamiento solo están disponibles para los experimentos de ML creados a finales de julio de 2025 y después.