Accéder au contenu principal Passer au contenu complémentaire

Utilisation d'expérimentations

Chargez des données historiques dans une expérimentation d'apprentissage automatique et formez un modèle à analyser et à prédire un problème métier.

Vous pouvez créer et éditer des expérimentations dans des espaces personnels ou partagés.

Conditions requises et autorisations

Pour pouvoir utiliser des expérimentations ML, vous devez être titulaire des rôles et autorisations suivants :

  • Droit Professionnel ou Utilisateur complet

  • Rôle Automl Experiment Contributor (pour pouvoir afficher des expérimentations ML, vous pouvez être titulaire, à la place, du rôle Automl Deployment Contributor)

  • Autorisations requises dans l'espace dans lequel se trouvent les expérimentations. Dans un espace partagé, vous devez être titulaire d'autorisations Accès en écriture ou d'autorisations supérieures. Vous ne pouvez pas créer d'expérimentations dans un espace géré.

Pour plus d'informations, voir :

Flux de travail

Avant de créer une expérimentation d'apprentissage automatique dans Analyses Qlik Cloud, vous devez bien définir la question d'apprentissage automatique et disposer d'un ensemble de données d'apprentissage approprié dans Catalogue. Pour plus d'informations, voir Définition de questions d'apprentissage machine et Préparation de votre ensemble de données à l'apprentissage.

Les étapes suivantes décrivent le flux de travail d'une expérimentation.

  1. Créez votre expérimentation

    Créez une nouvelle expérimentation dans Qlik Sense. Ajoutez-la à un espace partagé, si vous souhaitez l'utiliser en collaboration avec d'autres utilisateurs.

    Création d'expérimentations

  2. Configurez votre expérimentation

    Sélectionnez une cible pour laquelle effectuer des prédictions et des caractéristiques pour appuyer la prédiction.

    Configuration d'expérimentations

  3. Démarrez l’apprentissage

    Démarrez l'apprentissage de votre première version d'expérimentation.

    Formation d'expérimentations

  4. Affinez le modèle

    Lors de la formation, des algorithmes d'apprentissage automatique appropriés sont appliqués aux données d'apprentissage et des métriques de performances sont générées. Examinez les métriques pour voir comment affiner le modèle.

    Examen des modèles

    Ajustez les paramètres tels que les caractéristiques et les algorithmes et formez de nouveau de nouvelles versions de l'expérimentation jusqu'à obtenir un modèle satisfaisant.

    Affinement des modèles

  5. Déployez le modèle

    Une fois que vous avez un bon modèle, il est temps de le déployer et de commencer à effectuer des prédictions.

    Utilisation de déploiements ML

En savoir plus

Cette page vous a-t-elle aidé ?

Si vous rencontrez des problèmes sur cette page ou dans son contenu – une faute de frappe, une étape manquante ou une erreur technique – dites-nous comment nous améliorer !