Lavorare con il machine learning in Qlik Answers
Ultimo aggiornamento: 08/09/2026Puoi lavorare con Qlik Predict l'apprendimento automatico automatizzato 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 i set di dati, configurare e addestrare esperimenti ed eseguire previsioni dalla stessa esperienza di chat.
Lavorare con Predict in Qlik Answers
Prima di iniziare
Prerequisiti:
-
Il tuo tenant ha l'inferenza interregionale attivata—cioè, 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 richiesti e Qlik Predict risorse.
Apertura 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 dataset 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 raccomandazioni mirate.
Non è inoltre necessario conoscere il nome esatto del set di dati che desideri utilizzare—puoi chiedere un elenco dei set di dati disponibili.
| Azione | Domande di esempio | Note |
|---|---|---|
| Selezione dataset |
|
- |
| Informazioni strategiche del dataset |
|
In alternativa, puoi prima aprire il set di dati in Qlik Cloud, e quindi porre domande come:
|
| Raccomandazione target |
|
Utile come domande di seguito dopo aver selezionato un set di dati ed esplorato gli insight. |
Passaggio 2: Addestramento e monitoraggio dell'esperimento
Descrivi il tuo obiettivo e lascia che l'agente configuri ed esegua un esperimento. Sono supportati i tipi di esperimento di regressione e classificazione. Dopo aver selezionato un set di dati e un target, viene richiesto di avviare l'addestramento.
Se hai già avviato un flusso di lavoro di machine learning in precedenza, puoi chiedere a Predict di monitorare gli esperimenti esistenti.
| Azione | Domande di esempio | Note |
|---|---|---|
| Addestramento esperimento (con set di dati già selezionato) |
|
Utile come domande di follow-up dopo aver selezionato un set di dati di addestramento da utilizzare. |
| Addestramento esperimento (nessun set di dati selezionato) |
|
Queste domande possono aiutarti a iniziare direttamente senza cercare manualmente i set di dati per nome. |
| Monitoraggio esperimenti |
|
- |
Passaggio 3: Interpretazione del modello e raccomandazioni
Dopo il completamento dell'addestramento, puoi chiedere un'interpretazione in linguaggio semplice del comportamento del modello e raccomandazioni basate sull'output del modello.
| Azione | Domande di esempio | Note |
|---|---|---|
| Raccomandazioni del modello |
|
Per risultati ottimali, devi avere l'esperimento aperto nel tuo browser o fare riferimento al nome dell'esperimento nel prompt. |
| Metriche modello e approfondimenti |
|
Per risultati ottimali, devi avere l'esperimento aperto nel tuo browser o fare riferimento al nome dell'esperimento nel prompt. |
Quando si analizzano i modelli in chat, è anche possibile fare clic su 
Visualizza sorgente per espandere ulteriori dettagli, inclusi grafici di scomposizione dell'importanza delle funzionalità e approfondimenti in linguaggio naturale.
Utilizzo Visualizza sorgente per analizzare modelli con grafici incorporati
Passaggio 4: Distribuzione, attivazione e previsioni
Dopo l'addestramento, puoi distribuire un modello, creando una distribuzione ML. Dopo aver richiesto di distribuire un modello, ti viene chiesto di confermare la distribuzione.
È anche possibile eseguire previsioni batch utilizzando i modelli che hai distribuito. Il sistema cerca set di dati di applicazione compatibili e li elenca affinché tu possa scegliere. Puoi anche usare prompt in linguaggio naturale per selezionare uno specifico dataset applicativo.
I modelli distribuiti vengono attivati automaticamente man mano che vengono create le previsioni, a seconda della capacità disponibile per l'abbonamento.
| Azione | Domande di esempio | Note |
|---|---|---|
| Distribuzione e monitoraggio del modello |
|
Utile come domande di seguito direttamente dopo l'analisi del modello. Per risultati ottimali, devi avere l'esperimento aperto nel tuo browser o fare riferimento al nome dell'esperimento nel prompt. |
| Previsioni—avvia la richiesta |
|
Per risultati ottimali, è necessario avere la distribuzione aperta nel browser o fare riferimento al nome della distribuzione nel prompt. |
| Previsioni—selezione di un dataset di applicazione |
|
Per risultati ottimali, è necessario avere la distribuzione aperta nel browser o fare riferimento al nome della distribuzione nel prompt. |
| Previsioni—monitoraggio stato |
|
Per risultati ottimali, è necessario avere la distribuzione aperta nel browser o fare riferimento al nome della distribuzione nel prompt. |
| Previsioni—esplora l'output delle previsioni |
|
Per risultati ottimali, è necessario avere la distribuzione aperta nel browser o fare riferimento al nome della distribuzione nel prompt. |
Migliori pratiche per porre domande
Per ottenere i migliori risultati quando si lavora con Qlik Predict in Qlik Answers, segui queste linee guida generali:
-
Se non sei sicuro di 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 stai ottenendo la risposta di cui hai bisogno.
-
Se non ottieni la risposta desiderata, prova a fornire maggiori dettagli e sii specifico su ciò che intendi fare. Ad esempio, fare riferimento ai nomi esatti di set di dati e altre risorse può aiutare meglio Qlik Answers a trovarli quando si avvia l'addestramento o si eseguono previsioni.
-
Riformula la tua domanda se non ottieni la risposta che ti serve al primo tentativo.
Per ulteriori informazioni, vedere Procedure consigliate per chattare con Qlik Answers.
Permessi
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 di utilizzo utente professionale (si applica 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 all'utente da un amministratore tenant. Vedere:
-
Accesso agli spazi dove si trovano i set di dati, gli esperimenti e le distribuzioni. Vedere:
Limitazioni
Set di dati
Aggiornamento ed eliminazione di set di dati
Non puoi caricare o eliminare dataset dalla chat.
Modifica dei set di dati
Le seguenti operazioni non sono possibili in chat:
-
Modifica dei dataset di addestramento dopo l'esecuzione di una versione dell'esperimento.
-
Esecuzione di più previsioni con diversi set di dati di applicazione all'interno della stessa chat.
Come soluzione alternativa, quando devi addestrare esperimenti o eseguire previsioni utilizzando un dataset diverso, avvia prima una nuova chat. Se stai addestrando esperimenti, questo richiederà anche la creazione di un nuovo esperimento nella nuova chat.
Per maggiori informazioni sull'avvio di nuove chat, vedi Chatta con Qlik Answers.
Grandi set di dati
La chat non supporta set di dati che superano uno dei seguenti limiti per il Qlik Cloud tenant:
-
Dimensione massima del set di dati (set di dati di addestramento)
-
Numero massimo di celle del set di dati (set di dati di training)
-
Numero massimo di colonne incluse (set di dati di training e di applicazione)
Funzionalità sperimentali
-
Il rilevamento del bias non è supportato.
-
Non è possibile analizzare o download i report di addestramento del modello.
-
Non è possibile accedere agli analytics incorporati (Confronta e Analizza schede) per l'esperimento.
-
Tutte le funzionalità e gli algoritmi vengono selezionati per l'addestramento durante la configurazione dell'esperimento. Non puoi deselezionare funzionalità o algoritmi. Inoltre, l'ottimizzazione intelligente del modello viene sempre utilizzata per addestrare i modelli—l'ottimizzazione manuale non è supportata.
-
Non è possibile addestrare seconde e successive versioni 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 diverse versioni di esperimento dalla chat.
-
Non è possibile accedere a analisi incorporate (operazioni del modello e monitoraggio della deriva) per la distribuzione.