Lavorare con il machine learning in Qlik Answers
Ultimo aggiornamento: 2026-11-10È possibile lavorare con il machine learning automatizzato di Qlik Predict utilizzando la tecnologia basata sull'intelligenza artificiale di Qlik Answers.
Nell'esperienza agentica Qlik Answers, puoi creare ed eseguire flussi di lavoro di machine learning in linguaggio naturale. È possibile esplorare set di dati, configurare e addestrare esperimenti ed eseguire previsioni dalla stessa esperienza di chat.
Questa esperienza Qlik Answers è separata dall'accesso alle funzionalità di Qlik Predict tramite il server MCP Qlik in un client LLM esterno. Per ulteriori informazioni, vedere Qlik server MCP.
Lavorare con Predict in Qlik Answers
Prima di iniziare
Prerequisiti:
-
Il tuo tenant ha l'inferenza tra aree geografiche attivata—vale a dire che il tenant deve essere abilitato per l'esperienza agentica Qlik Answers.*/
-
Il tuo tenant e la tua sottoscrizione hanno capacità per Qlik Answers e Qlik Predict.
Monitoraggio del consumo di Qlik Predict per la sottoscrizione
-
Hai accesso ai dataset e alle Qlik Predict risorse necessari.
Apertura di Qlik Predict in Qlik Answers
Procedere come indicato di seguito:
-
Fare clic su Apri Answers per aprire Qlik Answers.
-
Nel menu a discesa, seleziona Predict.
Apertura di Predict
Flussi di lavoro end-to-end
Utilizzare i seguenti flussi di lavoro quando si lavora con Predict.
Passaggio 1: Esplorazione del set di dati e approfondimenti
Utilizza le informazioni dettagliate sul set di dati per comprendere la qualità dei dati e i campi candidati prima dell'addestramento. Chiedi approfondimenti e consigli sul target.
Inoltre, non è necessario conoscere il nome esatto del dataset che desideri utilizzare—puoi richiedere un elenco dei dataset disponibili.
| Azione | Domande di esempio | Note |
|---|---|---|
| Selezione del dataset |
|
- |
| Informazioni strategiche del dataset |
|
In alternativa, puoi prima aprire il set di dati in Qlik Cloud, e quindi porre domande come:
|
| Raccomandazione target |
|
Utili come domande di approfondimento dopo aver selezionato un set di dati ed esplorato le informazioni dettagliate. |
Passaggio 2: Addestramento e monitoraggio dell'esperimento
Descrivi il tuo obiettivo e lascia che l'agente configuri ed esegua un esperimento. I tipi di esperimento di regressione e classificazione sono supportati. Dopo aver selezionato un dataset e un target, viene richiesto di avviare l'addestramento.
Se hai già avviato in precedenza un flusso di lavoro di machine learning, puoi chiedere a Predict di monitorare gli esperimenti esistenti.
| Azione | Domande di esempio | Note |
|---|---|---|
| Addestramento dell'esperimento (con dataset già selezionato) |
|
Utili come domande di approfondimento dopo aver selezionato un set di dati di addestramento da utilizzare. |
| Addestramento dell'esperimento (nessun dataset selezionato) |
|
Queste domande possono aiutarti a iniziare direttamente senza cercare manualmente i dataset per nome. |
| Monitoraggio degli esperimenti |
|
- |
Passaggio 3: Interpretazione del modello e raccomandazioni
Al termine dell'addestramento, è possibile richiedere un'interpretazione in linguaggio chiaro del comportamento del modello e raccomandazioni basate sull'output del modello.
| Azione | Domande di esempio | Note |
|---|---|---|
| Raccomandazioni del modello |
|
Per ottenere i migliori risultati, è necessario avere l'esperimento aperto nel browser oppure fare riferimento al nome dell'esperimento nel prompt. |
| Metriche e approfondimenti del modello |
|
Per ottenere i migliori risultati, è necessario avere l'esperimento aperto nel browser oppure fare riferimento al nome dell'esperimento nel prompt. |
Quando analizzi i modelli in chat, puoi anche fare clic su 
Visualizza origine per espandere ulteriori dettagli, tra cui grafici di scomposizione dell'importanza delle funzionalità e approfondimenti in linguaggio naturale.
Utilizzo di Visualizza origine per analizzare i modelli con grafici incorporati
Passaggio 4: Distribuzione, attivazione e previsioni
Dopo l'addestramento, è possibile distribuire un modello, creando una distribuzione ML. Dopo aver richiesto di distribuire un modello, viene richiesto di confermare la distribuzione.
Puoi anche eseguire previsioni batch utilizzando i modelli che hai distribuito. Il sistema cerca dataset di applicazione compatibili e li elenca per consentirti di scegliere. Puoi anche utilizzare prompt in linguaggio naturale per selezionare uno specifico dataset di applicazione.
I modelli distribuiti vengono attivati automaticamente man mano che vengono create le previsioni, in base alla capacità disponibile per la sottoscrizione.
| Azione | Domande di esempio | Note |
|---|---|---|
| Distribuzione e monitoraggio del modello |
|
Utili come domande di follow-up direttamente dopo l'analisi del modello. Per ottenere i migliori risultati, è necessario avere l'esperimento aperto nel browser oppure fare riferimento al nome dell'esperimento nel prompt. |
| Previsioni—avviare la richiesta |
|
Per ottenere risultati ottimali, è necessario avere la distribuzione aperta nel browser oppure fare riferimento al nome della distribuzione nel prompt. |
| Previsioni—selezione di un dataset di applicazione |
|
Per ottenere risultati ottimali, è necessario avere la distribuzione aperta nel browser oppure fare riferimento al nome della distribuzione nel prompt. |
| Previsioni—stato del monitoraggio |
|
Per ottenere risultati ottimali, è necessario avere la distribuzione aperta nel browser oppure fare riferimento al nome della distribuzione nel prompt. |
| Previsioni—esplora l'output delle previsioni |
|
Per ottenere risultati ottimali, è necessario avere la distribuzione aperta nel browser oppure fare riferimento al nome della distribuzione nel prompt. |
Best practice per porre domande
Per ottenere i migliori risultati quando si lavora con Qlik Predict in Qlik Answers, segui queste linee guida generali:
-
Se non sai come iniziare, chiedi a Predict cosa può fare. Qlik Answers può fornire un elenco delle funzionalità supportate.
-
Avvia una nuova conversazione quando cambi argomento o se non ottieni la risposta di cui hai bisogno.
-
Se non ottieni la risposta desiderata, prova a fornire maggiori dettagli e specifica chiaramente cosa intendi fare. Ad esempio, fare riferimento ai nomi esatti dei set di dati e di altre risorse può aiutare Qlik Answers a trovarli più facilmente quando si avvia l'addestramento o si eseguono previsioni.
-
Riformula la domanda se inizialmente non restituisce la risposta di cui hai bisogno.
Per ulteriori informazioni, vedere Procedure consigliate per chattare con Qlik Answers.
Autorizzazioni
Sono necessarie entrambe le autorizzazioni Qlik Answers e Qlik Predict per completare i flussi di lavoro di machine learning end-to-end.
In particolare, è necessario quanto segue:
-
Diritto utente professionale (applicabile solo agli abbonamenti basati sull'utente)
-
L'autorizzazione richiesta IA agentica > Analisi dei dati impostata su Consentito. Questa autorizzazione è assegnata da un amministratore tenant.
-
Le autorizzazioni Qlik Predict richieste per lavorare con esperimenti e distribuzioni ML, assegnate a te da un amministratore del tenant. Vedere:
-
Accesso agli spazi in cui si trovano i dataset, gli esperimenti e le distribuzioni. Vedere:
Limitazioni
Set di dati
Aggiornamento ed eliminazione di set di dati
Non è possibile caricare o eliminare set di dati dalla chat.
Modifica dei set di dati
Quanto segue non è possibile in chat:
-
Modifica dei dataset di addestramento dopo l'esecuzione di una versione dell'esperimento.
-
Esecuzione di più previsioni con dataset di applicazione diversi all'interno della stessa chat.
Come soluzione alternativa, quando devi addestrare esperimenti o eseguire previsioni utilizzando un set di dati diverso, avvia prima una nuova chat. Se stai eseguendo il training di esperimenti, sarà inoltre necessario creare un nuovo esperimento nella nuova chat.
Per ulteriori informazioni sull'avvio di nuove chat, vedere Chatta con Qlik Answers.
Set di dati di grandi dimensioni
Chat non supporta i set di dati che superano uno qualsiasi dei seguenti limiti per il tenant Qlik Cloud:
-
Dimensione massima del set di dati (set di dati di addestramento)
-
Numero massimo di celle del set di dati (set di dati di addestramento)
-
Numero massimo di colonne incluse (dataset di addestramento e applicazione)
Funzionalità sperimentali
-
Il rilevamento dei bias non è supportato.
-
Non è possibile analizzare o eseguire il download dei report di addestramento del modello.
-
Non è possibile accedere alle analisi integrate (schede Confronta e Analizza) per l'esperimento.
-
Tutte le feature e gli algoritmi vengono selezionati per l'addestramento durante la configurazione dell'esperimento. Non è possibile deselezionare caratteristiche o algoritmi. Inoltre, per addestrare i modelli viene sempre utilizzata l'ottimizzazione intelligente del modello—l'ottimizzazione manuale non è supportata.
-
Non è possibile addestrare la seconda versione e le versioni successive di un esperimento.
Tipi di modello
Non disponibile per i modelli di serie temporali.
Tipi di previsione
Non disponibile per previsioni in tempo reale o basate su connettore.
Gestione di modelli ML
-
Non è possibile sostituire un modello distribuito esistente dalla chat.
-
Non è possibile distribuire più modelli da versioni diverse dell'esperimento dalla chat.
-
Non è possibile accedere alle analisi integrate (operazioni del modello e monitoraggio del drift) per la distribuzione.