Ga naar hoofdinhoud Ga naar aanvullende inhoud

Werken met experimenten

Laad historische gegevens in een geautomatiseerd machine learning-experiment en train een model om een zakelijk probleem te analyseren en te voorspellen.

U kunt experimenten maken en bewerken in persoonlijke of gedeelde ruimten.

Vereisten en machtigingen

Om te werken met ML‑experimenten, moet u over het volgende beschikken:

  • Recht professioneel of volledige gebruiker

  • De rol Automl Experiment Contributor (voor het bekijken van ML-experimenten is ook de rol Automl Deployment Contributor toegestaan)

  • Vereiste machtigingen in de ruimte waarin de experimenten zich bevinden. In een gedeelde ruimte hebt u de machtiging Kan bewerken of hoger nodig. U kunt geen experimenten maken in een beheerde ruimte.

Ga voor meer informatie naar:

Workflow

Voordat u een geautomatiseerd machine learning-experiment in Qlik Cloud Analyse maakt, moet u een goed gedefinieerde machine learning-vraag opstellen en zorgen dat er een geschikte gegevensverzameling voor training beschikbaar is in Catalogus. Ga voor meer informatie naar Definieer machine learning-vragen en Uw gegevensverzameling voorbereiden voor training.

De volgende stappen beschrijven een experimentworkflow.

  1. Uw experiment maken

    Maak een nieuw experiment in Qlik Sense. Voeg het toe aan een gedeelde ruimte als u wilt kunnen samenwerken.

    Experimenten maken

  2. Uw experiment configureren

    Selecteer een doel waarvoor u voorspellingen wilt maken en kenmerken die de voorspelling ondersteunen.

    Experimenten configureren

  3. De training starten

    Start de training van uw eerste experimentversie.

    Trainingsexperimenten

  4. Het model verfijnen

    Tijdens de training worden er geschikte machine learning-algoritmen toegepast op de trainingsgegevens en worden er metrische prestatiegegevens gegenereerd. Evalueer de metrische gegevens om te kijken hoe u het model kunt verfijnen.

    Modellen evalueren

    Pas parameters aan zoals kenmerken en algoritmen en hertrain nieuwe versies van het experiment tot u een goed model hebt.

    Modellen verfijnen

  5. Het model implementeren

    Als u een goed model hebt, is het tijd om het te implementeren en te beginnen met het maken van voorspellingen.

    Werken met ML-implementaties

Meer informatie

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!