Ga naar hoofdinhoud Ga naar aanvullende inhoud

Navigeren in de experimentinterface

Met een interface met tabbladen kunt u navigeren tussen verschillende processen in uw modeltraining. Met de verschillende tabbladen en het configuratievenster voor experimenten kunt u verschillende taken uitvoeren om uw model te trainen en optimaliseren.

Werkbalk

In de werkbalk kunt u schakelen tussen de verschillende tabbladen van de interface.

In de werkbalk kunt u het volgende doen:

  • Afhankelijk van het tabblad dat u open hebt, kunt u schakelen tussen uw getrainde modellen.

  • Klik op Configuratie weergeven om de experimenttraining verder aan te passen, de huidige versie te evalueren of te starten met de configuratie van een nieuwe versie.

Werkbalk in een AutoML-experiment

Werkbalk in een ML-experiment

Gegevens

Op dit tabblad kunt u de gegevens in het experiment beheren. Wanneer u uw experiment maakt, ziet u alleen dit tabblad. Nadat de training van het experiment is gevorderd, kunt u schakelen naar andere tabbladen voor modelanalyse.

Op het tabblad Gegevens kunt u het volgende doen:

  • Een doel selecteren voordat u de eerste versie gaat trainen.

  • Functies toevoegen of verwijderen.

  • Inzichten en statistieken van de functies van een gegevensverzameling bekijken.

  • Een nieuwe trainings-gegevensverzameling selecteren.

Schakel tussen de Schema schemaweergave en de Tabel gegevensweergave voor verschillende voorstellingen van de trainings-gegevensverzameling.

Tabblad Gegevens in een AutoML-experiment

Tabblad 'Gegevens' in een ML-experiment voordat de gebruiker een versie van de training heeft uitgevoerd.

Modellen

Voer een snelle analyse van de trainingsresultaten uit. Met het tabblad Modellen kunt u snel de belangrijkste statistieken van elk model begrijpen en vergelijken. Gebruik de tabbladen Vergelijken en Analyseren om een gedetailleerde modelanalyse uit te voeren.

Klik op een model in de tabel Modelstatistieken om het volgende te tonen:

  • Prestatiescores.

  • Overzicht modeltraining (beschikbaar bij intelligente modeloptimalisatie).

  • Visualisaties met functie-urgentie

  • Andere visualisaties die kenmerkend zijn voor het experimenttype.

Ga voor meer informatie naar Snelle modelanalyse uitvoeren.

Tabblad Modellen in een AutoML-experiment getraind met intelligente modeloptimalisatie

Tabblad 'Modellen' in een ML-experiment die het overzicht, de belangrijkste modelstatistieken en automatisch gegenereerde visualisaties toont

Vergelijken

Voer een uitgebreide vergelijking van uw modellen uit met geïntegreerde analyses. Maak selecties en pas de gegevens aan die in de dashboards worden getoond om inzichten over modellen op te doen.

Op het tabblad Vergelijken kunt u het volgende doen:

  • U hebt toegang tot alle beschikbare modelstatistieken en hyperparameters.

  • U kunt trainings- en evaluatiegegevens binnen modellen vergelijken.

Ga voor meer informatie naar Modellen vergelijken.

Tabblad Vergelijken in een ML-experiment

Vergelijkende modelanalyse in een ML-experiment

Analyseren

Duik dieper in de gegevens met geïntegreerde analyses voor elk model dat u traint.

Op het tabblad Analyseren kunt u het volgende doen:

  • De nauwkeurigheid van voorspellingen verder analyseren.

  • Functie-urgentie evalueren op granulariteitsniveau

  • De verdeling van functiegegevens weergeven.

Zie Gedetailleerde modelanalyse uitvoeren voor meer informatie over de gedetailleerde modelanalyse.

Tabblad Analyseren in ML-experiment

Tabblad 'Analyseren' in een ML-experiment dat de nauwkeurigheid van voorspellingen en de functie-urgentie toont

Deelvenster Experimentconfiguratie

Klik op Schema Configuratie weergeven om het venster voor experimentconfiguratie uit te vouwen. Als dit venster is uitgevouwen, kunt u starten met het configureren van een nieuwe versie en deze aanpassen voor meer controle over het trainingsproces.

Met het venster Experimentconfiguratie kunt u het volgende doen:

  • Selecteer een doel voordat u de eerste versie gaat trainen

  • Kenmerken toevoegen of verwijderen

  • Een nieuwe versie van het experiment configureren

  • Selecteer om de trainingsgegevensverzameling te wijzigen of vernieuwen

  • Algoritmen toevoegen of verwijderen

  • Instellingen voor modeloptimalisatie wijzigen

Deelvenster Experimentconfiguratie

Uitgevouwen aanpassingsvenster in een ML-experiment

Was deze pagina nuttig?

Als u problemen ervaart op deze pagina of de inhoud onjuist is – een typfout, een ontbrekende stap of een technische fout – laat het ons weten zodat we dit kunnen verbeteren!