Working with experiments
과거 데이터를 자동화된 머신 러닝 실험에 로드하고 모델을 훈련하여 비즈니스 문제를 분석하고 예측합니다.
개인 또는 공유 공간에서 실험을 만들고 편집할 수 있습니다.
Workflow
Qlik Cloud Analytics에서 자동화된 머신 러닝 실험을 만들기 전에, 잘 정의된 머신 러닝 질문과 카탈로그에서 사용할 수 있는 적절한 훈련 데이터 세트가 있어야 합니다. 자세한 내용은 기계 학습 질문 정의 및 학습을 위한 데이터 세트 준비을 참조하십시오.
다음 단계는 실험 워크플로를 설명합니다.
- 실험 만들기
Qlik Cloud에서 새 실험을 만듭니다. 공동으로 작업하려면 공유 공간에 추가합니다.
- 실험 구성
예측할 대상과 예측을 지원할 기능을 선택합니다.
- 훈련 시작
첫 번째 실험 버전의 훈련을 시작합니다.
- 권장 모델 검토
모델 훈련이 어떻게 진행되었는지 검토하고 권장된 모델을 평가합니다. 내장된 도구를 사용하여 훈련 요약 및 내장된 분석을 분석하여 실험, 버전 및 모델 수준에서 통찰력을 제공합니다.
추가 개선이 필요한 경우 실험의 후속 버전을 구성할 수 있습니다. 기능 및 알고리즘과 같은 매개 변수를 조정하고 좋은 모델을 얻을 때까지 실험의 새 버전을 다시 훈련합니다.
- 모델 배포
좋은 모델이 준비되면 이를 배포하고 예측을 시작할 때입니다.
Requirements and permissions
공유 공간에서 ML 실험 작업을 수행하는 데 필요한 공간 역할에 대한 자세한 내용은 다음을 참조하십시오.
관리자인 경우 ML 실험 작업에 필요한 사용자 권한에 대한 포괄적인 개요는 Qlik 프로젝트을 사용할 수 있는 사용자를 참조하십시오.
Viewing lineage and impact analysis
Qlik Cloud의 계보 및 영향 분석 도구를 사용하여 다음을 분석할 수 있습니다.
-
ML 실험의 기원과 각 모델을 훈련하는 데 사용된 데이터.
-
ML 실험 및 해당 출력이 Qlik Cloud 전반의 다운스트림 콘텐츠에서 어떻게 사용되고 있는지.