Configurazione di esperimenti

Ultimo aggiornamento: 2026-11-10

La configurazione degli esperimenti consiste nel selezionare il target e le funzioni che il modello utilizzerà per prevedere la destinazione. È inoltre possibile configurare una serie di impostazioni opzionali.

Per aiutare l'utente nella selezione di una destinazione, il set di dati cronologici viene analizzato e vengono visualizzate le statistiche di riepilogo relative a ciascuna colonna del set di dati. Al set di dati vengono applicate diverse fasi di pre-elaborazione automatica per assicurarsi che vengano inclusi solo i dati adatti. Per maggiori dettagli sulla pre-elaborazione dei dati, vedere Preparazione e trasformazione automatica dei dati.

Dopo aver eseguito la versione v1, è possibile creare nuove versioni dell'esperimento se è necessario affinare ulteriormente l'addestramento del modello. Per ulteriori informazioni, vedere Affinamento dei modelli.

Requisiti e autorizzazioni

Per maggiori informazioni sui requisiti utente per l'utilizzo degli esperimenti di ML, vedere Lavorare con gli esperimenti.

Interfaccia

Le seguenti sezioni descrivono come navigare l'interfaccia per configurare l'esperimento. Per maggiori informazioni sull'interfaccia, vedere Navigazione dell'interfaccia di un esperimento.

Navigazione a schede

Quando crei un esperimento, si apre la scheda Configurazione. Qui è possibile configurare la destinazione e le funzioni dell'esperimento.

Dopo aver eseguito almeno una versione dell'esperimento, la scheda Configurazione diventa Dati di addestramento. Diventano disponibili anche altre schede. Queste schede consentono di analizzare i modelli addestrati nella versione. Se è necessario configurare versioni successive con una selezione differente di funzionalità, è possibile tornare alla scheda Dati di training.

Vista schema e Vista dati

Nella scheda Configurazione/Dati di addestramento, è possibile alternare tra Vista schema e Vista dati.

Vista schema

La visualizzazione schema è la visualizzazione predefinita. In questa vista, ogni colonna nel set di dati è rappresentata da una riga dello schema con informazioni e statistiche.

È possibile:

• Seleziona le funzionalità da includere nell'esperimento.

• Visualizza i dettagli relativi a ogni colonna, come il tipo di dati e il tipo di funzionalità.

• Visualizza informazioni dettagliate sulle colonne, ad esempio il motivo per cui non possono essere selezionate o come verranno elaborate durante l'addestramento.

Visualizzazione dati

Vista dati è una vista alternativa che è possibile utilizzare per accedere a maggiori informazioni e a dati campione per ciascuna colonna.

Pannello Configurazione esperimento

Nel pannello di configurazione dell'esperimento, è possibile personalizzare ulteriormente l'addestramento dell'esperimento. Questo pannello è aperto per impostazione predefinita nei nuovi esperimenti.

Dopo aver eseguito una versione, fai clic su Visualizza configurazione per aprire il pannello per configurare la versione successiva.

Tramite il pannello di configurazione dell'esperimento, è possibile eseguire le seguenti operazioni:

• Selezionare un target e il tipo di esperimento

• Impostare un nome per la versione

• Aggiungere o rimuovere funzionalità

• Configurare una nuova versione dell'esperimento

• Visualizzare il tipo di modello che si sta addestrando

• Selezionare per modificare o aggiornare il dataset di addestramento

• Aggiungere o rimuovere algoritmi

• Modificare le impostazioni di ottimizzazione del modello

• Per i modelli di serie temporali, impostare le impostazioni di previsione

• Configurare il rilevamento dei bias

Selezione delle colonne di caratteristiche

Con il set di destinazione, è possibile scegliere quali delle altre colonne disponibili includere per l'addestramento del modello. Escludere tutte le funzioni che non si vogliono includere nel modello. Si noti che la colonna rimarrà nel set di dati, ma non sarà utilizzata dall'algoritmo di training.

Nella parte superiore del pannello di configurazione dell'esperimento, è possibile vedere il numero di celle del set di dati. Se il numero supera il limite del set di dati, è possibile escludere le funzioni per scendere sotto il limite.

È possibile selezionare le colonne delle funzioni in vari modi:

In Vista schema e in Vista dati

Nelle viste principali, è possibile fare quanto segue:

• Deselezionare Escludi tutte le funzioni disponibili e selezionare solo quelle che si desidera includere.

• Deselezionare manualmente le caselle di controllo per le funzioni che non si desidera includere.

• Effettuare una ricerca ed escludere o includere tutte le funzioni nei risultati filtrati.

Nel pannello di configurazione dell'esperimento

Nel pannello di configurazione dell'esperimento, è possibile eseguire le seguenti operazioni:

• Deselezionare manualmente le caselle di controllo per le funzioni che non si desidera includere.

• Dopo aver eseguito la prima versione dell'esperimento, è possibile definire il Numero di funzioni principali da includere.

Quando si selezionano le funzioni, a queste viene assegnato automaticamente un tipo di funzione. I tipi possibili di funzione sono i seguenti:

• Categorico

• Numerico

• Dati

• Testo libero

Il tipo di funzione viene assegnato in base ai dati contenuti nella colonna delle funzioni. Se una funzionalità soddisfa determinati criteri, può essere selezionata per diventare la base delle funzionalità con ingegneria automatica. Se si desidera, è possibile modificare se utilizzare la funzione per l'ingegneria automatica delle funzioni. Per i dettagli completi sull'ingegneria automatica delle funzioni, vedere Ingegneria automatica delle funzionalità.

Alcune colonne del set di dati potrebbero non essere selezionabili come caratteristiche per l'esperimento o potrebbero essere sottoposte a un'elaborazione specifica. Le spiegazioni sul modo in cui i dati vengono interpretati ed elaborati vengono visualizzate durante l'esecuzione del training dell'esperimento. Per ulteriori informazioni, vedere Interpretazione delle informazioni strategiche di un set di dati.

Selezione degli algoritmi

Tutti gli algoritmi disponibili sono inclusi per impostazione predefinita ed è possibile escludere quelli che non si desidera utilizzare. Normalmente, questa operazione viene eseguita nell'ambito del perfezionamento del modello dopo aver visto i primi risultati dell'addestramento. Ulteriori informazioni in Affinamento dei modelli.

Modifica dei tipi di funzionalità

Quando si carica un set di dati, le colonne vengono trattate come categoriche, numeriche, data o testo libero in base al tipo di dati e altre funzioni. In alcuni casi, è possibile modificare questa impostazione.

Ad esempio, se i giorni della settimana sono rappresentati dai numeri 1-7, ogni numero rappresenta un valore categorico. Per impostazione predefinita, viene trattato come un valore numerico continuo e classificato, quindi è necessario modificare manualmente la configurazione per trattarlo come categoriale.

Quando si identifica una colonna come contenente informazioni su data e ora, questa viene utilizzata per le nuove funzionalità progettate automaticamente. Quando ciò si verifica, la colonna originale (la funzione padre) viene considerata come avente il tipo di funzione data.

È possibile modificare il tipo per la funzione padre da data a categorico o numerico. Ad esempio, questa opzione può essere utile quando una funzione è identificata come una data, ma è necessario trattarla come una stringa o un numero. Quando si esegue questa operazione, non è più possibile utilizzare le relative funzioni progettate automaticamente per l'addestramento dell'esperimento.

Procedere come indicato di seguito:

1. In Visualizzazione schema, individuare la funzione.

2. Nella colonna Tipo funzione per la funzione, fare clic su .

3. Selezionare un valore nell'elenco.

In alternativa, è possibile cambiare i tipi di funzione da Vista dati. Individuare la funzione, quindi fare clic su accanto al tipo di funzione corrente. Selezionare un valore nell'elenco.

Previsione di serie temporali

Se stai addestrando un esperimento di serie temporali, determinate trasformazioni del tipo di funzionalità vengono applicate automaticamente a seconda della tua configurazione. Ad esempio, se si selezionano gruppi da utilizzare per la previsione multivariata, i tipi di funzionalità di questi gruppi passano automaticamente a categorici.

Impatto sulle previsioni

Quando si modifica manualmente il tipo di funzione e quindi si distribuisce il modello risultante, le sostituzioni del tipo di funzione verranno applicate alla funzione nel set di dati di applicazione utilizzato nelle previsioni fatte con quel modello.

Modifica del set di dati

È possibile modificate il training set prima di eseguire la prima versione dell'esperimento o qualsiasi altra versione.

Se si modifica il set di dati prima di eseguire la prima versione, si perderà qualsiasi configurazione completata prima di modificare il set di dati.

Procedere come indicato di seguito:

1. Nel pannello di configurazione dell'esperimento, in Dati di addestramento > Esamina set di dati, fai clic su Modifica set di dati.

2. Selezionare un nuovo set di dati.

Per maggiori informazioni sulla modifica e sull'aggiornamento del set di dati durante il perfezionamento del modello (dopo aver eseguito una versione dell'esperimento), vedere Modificare e aggiornare il set di dati.

Configurazione dell'ottimizzazione del modello

Se il tipo di esperimento è classificazione binaria, classificazione multiclasse o regressione, è possibile regolare le seguenti impostazioni per ottimizzare i modelli:

• Attivazione e disattivazione della funzione di ottimizzazione intelligente del modello

• Attivazione e disattivazione della funzione di ottimizzazione dell'iperparametro

• Attivare o disattivare l'addestramento sensibile ai valori temporali

È possibile attivare e disattivare queste opzioni per ogni versione eseguita dell'esperimento.

Configurazione della funzione di ottimizzazione intelligente

Per impostazione predefinita, l'esperimento utilizza la funzione di ottimizzazione intelligente del modello. Con l'ottimizzazione intelligente del modello, Qlik Predict gestisce il processo di perfezionamento del modello per l'utente, iterando la selezione delle funzioni e applicando trasformazioni avanzate ai dati.

Per ulteriori informazioni sull'ottimizzazione intelligente, vedere Ottimizzazione intelligente del modello.

È possibile disattivare questa impostazione manualmente per migliorare i modelli addestrati. Per esempio, potrebbe essere necessario iniziare l'addestramento del modello con l'ottimizzazione intelligente del modello, per passare quindi al miglioramento manuale per la versione 2 per regolare ulteriormente la configurazione.

Procedere come indicato di seguito:

1. Fare clic su Visualizza configurazione.

2. Se si è già eseguita almeno una versione dell'esperimento, fare clic su Nuova versione.

3. Nel pannello, espandere Ottimizzazione modello.

4. Passare da Intelligente a Manuale.

5. Con il cursore, impostare la durata massima dell'addestramento.

Configurazione dell'ottimizzazione degli iperparametri

È possibile ottimizzare i modelli utilizzando l'ottimizzazione degli iperparametri. Si noti che si tratta di un'opzione avanzata che potrebbe aumentare notevolmente il tempo di training. L'ottimizzazione degli iperparametri è disponibile se si disattiva l'ottimizzazione intelligente.

Per ulteriori informazioni, vedere Ottimizzazione degli iperparametri.

Procedere come indicato di seguito:

1. Fare clic su Visualizza configurazione.

2. Se si è già eseguita almeno una versione dell'esperimento, fare clic su Nuova versione.

3. Nel pannello, espandere Ottimizzazione modello.

4. Passare da Intelligente a Manuale.

5. Selezionare la casella di controllo Ottimizzazione iperparametro.

6. È possibile impostare un limite di tempo per l'ottimizzazione. Il limite di tempo predefinito è di un'ora.

Configurazione dell'addestramento sensibile ai valori temporali

Se si desidera che i modelli vengano addestrati tenendo conto della dimensione delle serie temporali, attivare l'addestramento sensibile ai valori temporali per la versione dell'esperimento. Per utilizzare questa opzione, è necessario che nel set di dati sia presente una colonna che contenga le informazioni pertinenti della serie temporale.

Quando l'addestramento sensibile ai valori temporali è attivato, Qlik Predict utilizza processi specializzati di convalida incrociata e imputazione nulla per addestrare i modelli.

Per ulteriori informazioni, vedere Creazione di modelli sensibili ai valori temporali e Convalida incrociata basata sul tempo.

Procedere come indicato di seguito:

1. Fare clic su Visualizza configurazione.

2. Se si è già eseguita almeno una versione dell'esperimento, fare clic su Nuova versione.

3. Nel pannello, espandere Ottimizzazione modello.

4. Nella sezione Suddivisione training-test in base al tempo, selezionare l'Indicizzazione data da utilizzare per l'ordinamento dei dati.

Visualizzazione delle informazioni strategiche sui dati dell'addestramento

Nella scheda Configurazione/Dati di addestramento dell'esperimento, è possibile visualizzare informazioni dettagliate sulla gestione dei dati di addestramento. Queste informazioni sono disponibili sia in Visualizzazione schema che in Visualizzazione dati. Le informazioni mostrate variano dipendendo se per eseguire la versione si sono utilizzati o meno i dati di addestramento. Le modifiche nelle Informazioni strategiche possono aiutare a identificare la ragione per cui le funzioni possono essere inutilizzabili o perché sono state eliminate automaticamente.

Per maggiori informazioni sul significato di ogni informazione strategica, vedere Interpretazione delle informazioni strategiche di un set di dati.