Pobieranie raportów z uczenia maszynowego jako administrator
Administratorzy mogą pobierać raporty z uczenia wdrożonych modeli uczenia maszynowego uczonych za pomocą Qlik Predict. Raporty z uczenia zawierają szczegółowe informacje na temat procesów, które nauczyły model i opcjonalnie inne modele w eksperymencie uczenia maszynowego. Raporty z uczenia są dostępne w formacie PDF.
Użytkownicy bez uprawnień administratora mogą również pobierać raporty z uczenia z eksperymentów oraz wdrożeń uczenia maszynowego. Więcej informacji zawiera temat Pobieranie raportów z uczenia maszynowego.
Raport z uczenia maszynowego
Zastosowania
Raporty z uczenia modeli umożliwiają:
-
Głębsze poznanie procesów uczących modele – na przykład do celów audytu.
-
Łatwe udostępnianie szczegółów dotyczących uczenia modeli użytkownikom spoza Qlik Cloud.
Generowanie raportu z uczenia
Z centrum aktywności Administrowanie.
Wykonaj następujące czynności:
-
W Administrowanie przejdź do Qlik Predict.
-
Otwórz kartę Wdrożone modele.
- Kliknij
obok modelu w tabeli. -
Wybierz Pobierz raport z uczenia.
-
W oknie dialogowym opcjonalnie włącz opcję Uwzględnij informacje o wszystkich modelach w eksperymencie.
Po aktywacji to ustawienie generowało rozszerzony raport zawierający informacje o wszystkich modelach nauczonych w eksperymencie.
-
W razie potrzeby kliknij przycisk Podgląd, aby wyświetlić raport bez konieczności jego pobierania. W zależności od przeglądarki może być wymagane wykonanie tej czynności więcej niż jeden raz.
-
Kliknij opcję Pobierz. Raport zostanie wygenerowany i zapisany w lokalnym folderze Downloads.
Z eksperymentu uczenia maszynowego
Wykonaj następujące czynności:
-
Otwórz eksperyment uczenia maszynowego.
-
Przejdź do karty Modele.
-
Wybierz model.
-
W prawym górnym rogu kliknij Pobierz raport z uczenia.
-
W oknie dialogowym opcjonalnie włącz opcję Uwzględnij informacje o wszystkich modelach w eksperymencie.
Po aktywacji to ustawienie generowało rozszerzony raport zawierający informacje o wszystkich modelach nauczonych w eksperymencie.
-
W razie potrzeby kliknij przycisk Podgląd, aby wyświetlić raport bez konieczności jego pobierania. W zależności od przeglądarki może być wymagane wykonanie tej czynności więcej niż jeden raz.
-
Kliknij opcję Pobierz. Raport zostanie wygenerowany i zapisany w lokalnym folderze Downloads.
Można również wygenerować raport z uczenia, klikając na modelu i wybierając Pobierz raport z uczenia.
Z wdrożenia uczenia maszynowego
Wykonaj następujące czynności:
-
Otwórz wdrożenie uczenia maszynowego.
-
Przejdź do karty Modele do wdrożenia.
-
W obszarze Wszystkie modele we wdrożeniukliknij
obok modelu. -
Wybierz Pobierz raport z uczenia.
-
W oknie dialogowym opcjonalnie włącz opcję Uwzględnij informacje o wszystkich modelach w eksperymencie.
Po aktywacji to ustawienie generowało rozszerzony raport zawierający informacje o wszystkich modelach nauczonych w eksperymencie. Zob. Wersje pełne i skoncentrowane.
-
W razie potrzeby kliknij przycisk Podgląd, aby wyświetlić raport bez konieczności jego pobierania. W zależności od przeglądarki może być wymagane wykonanie tej czynności więcej niż jeden raz.
-
Kliknij opcję Pobierz. Raport zostanie wygenerowany i zapisany w lokalnym folderze Downloads.
Co zawiera raport ze szkolenia
W raporcie z uczenia są przedstawiane szczegółowo następujące informacje. Niektóre szczegóły mogą być dostępne tylko po pobraniu pełnej wersji raportu szkoleniowego. Więcej informacji zawiera temat Wersje pełne i skoncentrowane.
-
Kto utworzył eksperyment
-
Kiedy eksperymenty i model zostały nauczone
-
Lokalizacja i nazwa zasobów wykorzystywanych podczas uczenia
-
Ile wersji i modeli ma eksperyment
-
Algorytmy używane do uczenia modeli
-
Szczegółowe informacje na temat wykorzystywanych zestawów danych do uczenia, takie jak ilość zawartych w nich danych
-
Przetwarzanie danych do uczenia przed uczeniem i w jego trakcie
-
Wskaźniki modelu dotyczące danych do uczenia i danych wstrzymania
-
Dane hiperparametrów
Wersje pełne i skoncentrowane
Podczas pobierania raportu z uczenia użytkownik może opcjonalnie włączyć ustawienie o nazwie Uwzględnij informacje o wszystkich modelach w eksperymencie. To ustawienie kontroluje, czy generowana jest pełna, czy skrócona wersja raportu.
Po włączeniu ustawienia Uwzględnij informacje o wszystkich modelach w eksperymencie jest generowana pełna wersja raportu. Ten raport zawiera dodatkowe informacje o innych modelach wyszkolonych w eksperymencie.
Z kolei skoncentrowany raport zawiera tylko informacje o wybranym modelu. Informacje o pozostałych modelach w eksperymencie nie są uwzględniane.
Interpretacja pojęć w raporcie z uczenia
Podczas analizowania raportów z uczenia zakłada się, że użytkownik rozumie używane terminy techniczne. Większość terminów wyjaśniono w dokumentacji pomocy Qlik Predict.
Poniższa tabela zawiera definicje zawartości raportu wraz z przydatnymi tematami pomocy.
| Termin | Znaczenie | Powiązane treści |
|---|---|---|
| Partie |
Odnosi się do tego, ile partii modeli zostało nauczonych w eksperymencie. Podczas korzystania z inteligentnej optymalizacji modelu modele są uczone w iteracyjnych partiach w celu poprawy wydajności uczenia i wyników. Z kolei wersja eksperymentu, która nie wykorzystuje inteligentnej optymalizacji modelu – czyli optymalizacji ręcznej – uczy modele w pojedynczej partii. |
- |
| EDA | Oznacza rozpoznawczą analizę danych (exploratory data analysis). Jest to termin określający automatyczny zestaw czynności przetwarzania, który jest wykonywany na danych do uczenia przed rozpoczęciem uczenia modelu. | Konfiguracja eksperymentu |
| Kodowanie, Kodowanie średnią, Kodowanie 1 z n | Odnosi się do przetwarzania danych cech, aby zwiększyć ich użyteczność w uczeniu modeli. | Kodowanie kategorialne |
| Inżynieria cech | Odnosi się do wielu procesów, w wyniku których powstają nowe cechy. Mogą to być nowe cechy, które są eksponowane jako zupełnie nowe jednostki, a także cechy, które są tworzone przez kodowanie i przetwarzanie swobodnego tekstu. | |
| Pięciokrotna walidacja krzyżowa | Odnosi się do walidacji krzyżowej, która jest wykonywana na modelach po każdej iteracji treningu. | Dane wstrzymania i walidacja krzyżowa |
| Optymalizacja | Odnosi się do tego, czy w uczeniu modelu wykorzystywano optymalizację inteligentną czy ręczną. | Praca z optymalizacją modelu |
| Współczynnik próbkowania | Odnosi się do tego, jaka część zbioru danych do uczenia została wykorzystana do uczenia modelu. Podczas korzystania z inteligentnej optymalizacji modelu można czasami uczyć modele na mniej niż 100% pierwotnego zestawu danych, zwłaszcza w przypadku bardzo dużych zestawów danych. Z kolei wersja eksperymentu, która nie wykorzystuje inteligentnej optymalizacji modelu – czyli optymalizacji ręcznej – zawsze wykorzystuje 100% zestawu danych do uczenia. |
Próbki danych do uczenia |
| Podział | Odnosi się do automatycznego podziału zestawu danych do uczenia na dane do uczenia i dane wstrzymania. Dane wstrzymania nie są wykorzystywane do uczenia modelu, tylko do testowania jego skuteczności. | Dane wstrzymania i walidacja krzyżowa |
| (U=zastąpienie przez użytkownika) | Odnosi się do działania użytkownika polegającego na ręcznej zmianie typu cechy z automatycznie zidentyfikowanego typu. | Zmiana typów danych cech |
Uprawnienia i wymagania dotyczące pobierania raportów z uczenia
Uprawnienia i wymagania dotyczące pobierania z centrum aktywności Administrowanie
Aby można było eksportować raport z uczenia z centrum aktywności Administrowanie, model musi być wdrożony w co najmniej jednym wdrożeniu uczenia maszynowego.
Potrzebny jest również dostęp do treści związanych z uczeniem maszynowym. Innymi słowy, jako administrator musisz mieć jedno z poniższych:
-
Rola Tenant Admin
-
Rola Analytics Admin
-
Uprawnienie administratora Zarządzaj eksperymentami i wdrożeniami uczenia maszynowego ustawione na Dozwolone za pośrednictwem User Default lub niestandardowej roli zabezpieczeń
Uprawnienia do pobierania z eksperymentów uczenia maszynowego i wdrożeń uczenia maszynowego
Za pomocą jednej z poniższych opcji administrator może pobierać raporty szkoleniowe z eksperymentów i wdrożeń uczenia maszynowego:
-
Rola Tenant Admin
-
Rola Analytics Admin
-
Uprawnienie administratora Zarządzaj eksperymentami i wdrożeniami uczenia maszynowego ustawione na Dozwolone za pośrednictwem User Default lub niestandardowej roli zabezpieczeń
Ograniczenia
-
Raporty z uczenia są dostępne tylko dla eksperymentów ML utworzonych pod koniec lipca 2025 r. i później.