Utilizzo degli esperimenti

Caricare dati cronologici in un esperimento di machine learning automatizzato e addestrare un modello per analizzare e prevedere un problema di business.

È possibile creare e modificare esperimenti in spazi personali o condivisi.

Flusso di lavoro

Prima di creare un esperimento automatico di machine learning in Qlik Cloud Analytics, è necessario disporre di una domanda di machine learning ben definita e un set di dati di training adeguato disponibile nel Catalogo. Per ulteriori informazioni, vedere Definizione delle domande di machine learning e Preparazione del set di dati per il training.

Le fasi seguenti descrivono il flusso di lavoro di un esperimento.

1. Creazione dell'esperimento

   Creare un nuovo esperimento in Qlik Sense. Aggiungerlo a uno spazio condiviso se si desidera lavorare in modo collaborativo.

   Creazione di esperimenti

2. Configurazione dell'esperimento

   Selezionare una destinazione su cui generare previsioni e le funzioni a supporto della previsione.

   Configurazione di esperimenti

3. Avvio del training

   Avviare il training della prima versione dell'esperimento.

   Addestramento degli esperimenti

4. Esaminare i modelli consigliati

   Rivedere il modo in cui è andato l'addestramento dei modelli e valutare i modelli consigliati. Utilizzare gli strumenti integrati per analizzare i riepiloghi dell'addestramento e le analisi incorporate, che offrono approfondimenti a livello di esperimento, versione e modello.

   Revisione dei modelli

   Se è necessario un ulteriore perfezionamento, è possibile configurare versioni successive dell'esperimento. Regolare i parametri, come le funzioni e gli algoritmi, e riqualificare nuove versioni dell'esperimento fino a ottenere un buon modello.

   Affinamento dei modelli

5. Distribuzione del modello

   Quando si dispone di un buon modello, è il momento di distribuirlo e iniziare a generare previsioni.

   Utilizzo delle distribuzioni di ML

Requisiti e autorizzazioni

Per informazioni sui requisiti delle autorizzazioni utente per l'utilizzo delle distribuzioni di ML e delle previsioni, vedere Controlli di accesso per gli esperimenti di ML.