기본 콘텐츠로 건너뛰기 보완적인 콘텐츠로 건너뛰기

실험 작업

기록 데이터를 자동화된 기계 학습 실험에 로드하고 비즈니스 문제를 분석하고 예측하도록 모델을 교육합니다.

개인 또는 공유 공간에서 실험을 만들고 편집할 수 있습니다.

워크플로

Qlik Cloud 분석에서 자동화된 기계 학습 실험을 만들기 전에 잘 정의된 기계 학습 질문과 카탈로그에서 사용할 수 있는 적절한 교육 데이터 집합이 있어야 합니다. 자세한 내용은 기계 학습 질문 정의교육을 위해 데이터 집합 준비하기를 참조하십시오.

다음 단계에서는 실험 워크플로를 설명합니다.

  1. 실험 만들기

    Qlik Sense에서 새 실험을 만듭니다. 공동으로 작업하려면 공유 공간에 추가합니다.

    실험 만들기

  2. 실험 구성

    예측을 수행할 대상과 예측을 지원하는 기능을 선택합니다.

    실험 구성

  3. 교육 시작

    첫 번째 실험 버전의 교육을 시작합니다.

    교육 실험

  4. 권장 모델 검토

    모델 교육이 어떻게 진행되었는지 검토하고 사용자에게 권장된 모델을 평가합니다. 포함된 도구를 사용하여 실험, 버전 및 모델 수준에서 통찰력을 제공하는 교육 요약 및 포함된 분석을 분석합니다.

    모델 검토

    더욱 세부적인 조정이 필요한 경우 실험의 후속 버전을 구성할 수 있습니다. 기능 및 알고리즘과 같은 매개 변수를 조정하고 좋은 모델을 얻을 때까지 새 버전의 실험을 재교육합니다.

    모델 구체화

  5. 모델 배포

    좋은 모델이 있을 때 이를 배포하고 예측을 시작합니다.

    ML 배포 작업

요구 사항 및 권한

ML 배포 및 예측 작업에 필요한 사용자 권한 요구 사항에 대한 자세한 내용은 ML 실험에 대한 액세스 제어를 참조하십시오.

계보 및 영향 분석 보기

Qlik Cloud계보영향 분석 도구를 사용하면 다음을 분석할 수 있습니다.

이 페이지가 도움이 되었습니까?

이 페이지 또는 해당 콘텐츠에서 오타, 누락된 단계 또는 기술적 오류와 같은 문제를 발견하면 개선 방법을 알려 주십시오!