Modellen analyseren
Qlik AutoML biedt een uitgebreide visuele ervaring voor het analyseren van de modellen die u traint in uw experiment. U kunt de belangrijkste modelstatistieken analyseren met behulp van een simpele interface die bestaat uit automatisch gegenereerde overzichten en visualisaties. Voor een gedetailleerdere analyse en vergelijkingen kunt u geïntegreerde analyses gebruiken.
Voordat u van start gaat
Het kan nuttig zijn om een basisbegrip te hebben van de concepten van een modelanalyse voordat u start met het analyseren van uw modellen. Hierbij gaat het om modelscores, functie-urgentie en algoritmen.
Ga voor meer informatie naar Concepten van modelevaluatie begrijpen.
Snelle analyse
Met een snelle analyse kunt u snel begrijpen hoe de modeltraining is gegaan en wat de kwaliteit van de resulterende modellen is.
Voordat u in de analyse duikt, wordt aanbevolen om het tabblad Gegevens te openen om te kijken hoe de trainingsgegevens zijn verwerkt. Dit kan belangrijk zijn, omdat het mogelijk is dat functies niet bruikbaar zijn in de versie.
Open het tabblad Modellen in het experiment voor een overzicht van de trainingsresultaten. U kunt snel de modellen vergelijken en de toppresteerders identificeren. De informatie die u ziet op dit tabblad is afhankelijk van het feit of u intelligente modeloptimalisatie gebruikt en van het type probleem voor uw experiment.
Zie Snelle modelanalyse uitvoeren voor een uitgebreide handleiding.
Modelvergelijking
Gebruik geïntegreerde analyses om een interactieve, gedetailleerde vergelijking van uw modellen te maken. U kunt deze vergelijkingen uitvoeren op het tabblad Vergelijken.
Tijdens de modelvergelijking kunt u:
-
Alle beschikbare modelstatistieken voor alle modellen vergelijken.
-
Trainingen en evaluatiescores voor alle modellen weergeven en vergelijken.
-
Hyperparameterwaarden voor alle modellen vergelijken.
Zie Modellen vergelijken voor een uitgebreide handleiding.
Gedetailleerde analyse
Op het tabblad Analyseren van het experiment kunt u een gedetailleerde analyse van een specifiek model uitvoeren. De gedetailleerde analyse wordt uitgevoerd met geïntegreerde analyses. U kunt op interactieve wijze de gegevens filteren om een beter begrip te krijgen van de modelprestaties voor specifieke clusters van gegevens.
Met een gedetailleerde modelanalyse kunt u problemen identificeren die door de trainingsgegevens zijn veroorzaakt en meer leren over de sterke en zwakke punten van een model.
Zie Gedetailleerde modelanalyse uitvoeren voor een uitgebreide handleiding.
Volgende stappen
Uw volgende stappen hangen af van de manier waarop u uw modellen optimaliseert.
Intelligente modeloptimalisatie maakt idealiter een model dat zonder verdere aanpassingen geïmplementeerd kan worden. De kwaliteit van de modellen is nog steeds afhankelijk van de kwaliteit van uw trainingsgegevens en experimentconfiguratie. Nadat u de modellen hebt geanalyseerd en andere problemen met de gegevenskwaliteit of experimentconfiguratie hebt verholpen, kunt u het best presterende model gaan implementeren.
Als u na het uitvoeren van de intelligente modeloptimalisatie nog tegen verdere problemen aanloopt of als u intellente modeloptimalisatie vanaf het begin hebt uitgeschakeld, kunt u nieuwe versies van het experiment handmatig configureren om de resulterende modellen te verbeteren.
Voorbeelden van verfijning zijn:
Intelligente optimalisatie inschakelen nadat u zonder deze functie bent gestart.
Intelligente optimalisatie uitschakelen nadat u versie met deze functie hebt uitgevoerd. Dit geeft u de mogelijk om de configuratie naar wens aan te passen.
De trainingsgegevens wijzigen of vernieuwen.
De opgenomen functies wijzigen.
De verwerking van functiegegevens wijzigen (bijvoorbeeld het functietype van een functie wijzigen).
Nadat u de gewenste resultaten hebt bereikt, kunt u het beste model implementeren. Ga voor meer informatie naar: