Porównanie modeli
Na karcie eksperymentu Porównaj można wyświetlić wszystkie wyniki i hiperparametry uczonych modeli. Modele można porównywać przy użyciu wbudowanej analityki.
Po zakończeniu uczenia można przeprowadzić analizę porównawczą modeli na karcie Porównaj. Po zakończeniu porównywania modeli możesz przejść do karty Analizuj, aby uzyskać szczegółową analizę poszczególnych modeli. Więcej informacji zawiera temat Szczegółowa analiza modelu.
Przebieg analizy
Aby w pełni zrozumieć wyniki uczenia modelu, zaleca się przeprowadzenie szybkiej analizy, a następnie skorzystanie z dodatkowych opcji na kartach Porównaj i Analizuj. Szybka analiza oferuje Podsumowanie szkolenia modelu pokazujące, które cechy zostały pominięte podczas inteligentnej optymalizacji, a także zapewnia szereg automatycznie generowanych wizualizacji do szybkiego wykorzystania. Karty Porównaj i Analizuj nie pokazują Podsumowania uczenia modelu, ale umożliwiają dokładniejsze zgłębienie wskaźników modeli, aby można było lepiej zorientować się w jakości modeli. Aby uzyskać więcej informacji na temat szybkiej analizy, zobacz temat Przeprowadzanie szybkiej analizy modelu.
Omówienie pojęć
Przed rozpoczęciem porównywania modeli przydaje się podstawowa orientacja w pojęciach związanych z analizą modeli. Więcej informacji zawiera temat Omówienie pojęć związanych z przeglądem modelu.
Wpływ ustawień optymalizacyjnych na analizę
Doświadczenia związane z analizą mogą się nieznacznie różnić w zależności od tego, czy zastosowano inteligentną optymalizację modelu. W przypadku nowych eksperymentów inteligentna optymalizacja modelu jest domyślnie włączona.
Analizowanie modeli uczonych przy użyciu inteligentnej optymalizacji
Nowe eksperymenty są domyślnie uruchamiane z inteligentną optymalizacją modelu.
Inteligentna optymalizacja modelu zapewnia bardziej skuteczny proces uczenia, który w idealnym przypadku tworzy model gotowy do wdrożenia, który prawie lub wcale nie wymaga udoskonalenia. Wydajność tych modeli po wdrożeniu produkcyjnym nadal zależy od uczenia ich przy użyciu zestawu danych wysokiej jakości, który zawiera odpowiednie funkcje i dane.
Jeśli Twoja wersja została nauczona przy użyciu inteligentnej optymalizacji modelu, uwzględnij następujące kwestie:
-
Każdy model w danej wersji może mieć inny wybór cech w zależności od sposobu analizy danych przez algorytm.
-
Na karcie Modele przeczytaj Podsumowanie uczenia modelu, zanim przejdziesz do szczegółowej analizy.Podsumowanie uczenia modelu pokazuje, jak AutoML automatycznie zoptymalizował model przez iterację wyboru cech i stosowanie zaawansowanych transformacji.
Więcej informacji o inteligentnej optymalizacji modelu zawiera temat Inteligentna optymalizacja modeli.
Analizowanie modeli uczonych bez inteligentnej optymalizacji
Zamiast tego można było wyłączyć inteligentną optymalizację modelu dla wersji do uczenia. Ręczna optymalizacja modelu może być pomocna, jeśli potrzebujesz większej kontroli nad procesem uczenia.
Jeśli użyto optymalizacji ręcznej, wszystkie modele w danej wersji będą miały ten sam wybór cech, dlatego Podsumowanie uczenia modelu nie jest potrzebne.
Sprawdzanie konfiguracji
Podczas przetwarzania wstępnego cechy mogły zostać wyłączone z użycia w uczeniu. Zwykle dzieje się tak, ponieważ w miarę postępu uczenia jest dostępnych więcej informacji o danych niż przed uruchomieniem wersji.
Po przejrzeniu Podsumowania uczenia modelu (pokazywanego tylko w przypadku inteligentnej optymalizacji) możesz przyjrzeć się dokładniej konfiguracji eksperymentu, jeśli chcesz sprawdzić inne zmiany.
Wykonaj następujące czynności:
-
W eksperymencie przejdź do karty Dane.
-
Sprawdź, czy jesteś w widoku schematu .
-
Aby wybrać model z wersji, użyj rozwijanego menu na pasku narzędzi.
-
Przeanalizuj schemat modelu. Możesz skoncentrować się na kolumnach Wnioski i Typ cechy, aby sprawdzić, czy określone cechy zostały usunięte lub przekształcone w inny typ cechy.
Na przykład cecha początkowo oznaczona jako Ewentualny dowolny tekst mogła zostać wykluczona po uruchomieniu wersji.
Więcej informacji na temat znaczenia poszczególnych wniosków zawiera temat Interpretowanie wniosków z zestawu danych.
Należy pamiętać, że jeśli uruchomiono wersję z domyślną opcją inteligentnej optymalizacji, każdy model w tej wersji mógł mieć inny wybór cech ze względu na automatyczne udoskonalanie. Jeżeli wersja została uruchomiona bez inteligentnej optymalizacji, wybór cech będzie taki sam dla wszystkich modeli w danej wersji. Więcej informacji o inteligentnej optymalizacji modelu zawiera temat Inteligentna optymalizacja modeli.
W zależności od tego, co znajdziesz w tej konfiguracji, może być wymagany powrót do etapu przygotowania zestawu danych, aby poprawić dane cech.
Uruchomienie porównania modeli
Wykonaj następujące czynności:
-
Po zakończeniu uczenia otwórz kartę Porównaj.
Zawartość analityczna zależy od typu modelu zdefiniowanego w celu eksperymentu. Dla różnych typów modeli będą dostępne różne wskaźniki.
Nawigacja po wbudowanej analityce
Użyj interfejsu, aby interaktywnie porównać modele przy użyciu wbudowanych funkcji analitycznych.
Przełączanie arkuszy
Panel Arkusze umożliwia przełączanie arkuszy analizy. Każdy arkusz koncentruje się na określonym aspekcie. Panel można w razie potrzeby rozwijać i zwijać.
Dokonywanie selekcji
Użyj wyborów, aby zawęzić dane. Można wybierać modele, cechy i inne parametry. Dzięki temu możesz przyjrzeć się dokładniej szczegółom uczenia. W niektórych przypadkach może być wymagane dokonanie jednego lub większej liczby wyborów w celu wyświetlenia wizualizacji. Aby dokonać wyboru, kliknij wartości danych w wizualizacjach i panelach filtrów.
W odniesieniu do wyborów można wykonać następujące czynności:
-
Wybierać wartości, klikając zawartość, definiując zakresy i rysując.
-
Wyszukiwać na wykresach, aby wybierać wartości.
-
Klikać wybrane pole na pasku narzędzi u góry osadzonej analizy. Umożliwia to przeszukiwanie istniejących wyborów, a także ich blokowanie, odblokowywanie oraz dalszą modyfikację.
-
Na pasku narzędzi u góry osadzonej analizy kliknij , aby usunąć wybór. Wyczyść wszystkie zaznaczenia, klikając ikonę .
-
Przechodź do przodu i do tyłu w wyborach, klikając i .
Analizy zawierają panele filtrów, które ułatwiają zawężenie danych. W panelu filtrowania kliknij pole wyboru obok wartości, aby dokonać wyboru.Jeśli panel filtrowania zawiera wiele pól listy, kliknij pole listy, aby je rozwinąć, a następnie dokonaj odpowiednich wyborów.
Dostosowywanie tabel
Wizualizacje tabel umożliwiają dostosowanie ich wyglądu i sposobu działania, a także wyświetlanych w nich kolumn. Tabele można dostosowywać za pomocą następujących opcji:
-
Dostosuj szerokość kolumny, klikając i przeciągając zewnętrzną granicę kolumny
-
Kliknij nagłówek kolumny, aby:
-
Dostosować sortowanie kolumny
-
Wyszukać wartości w kolumnie
-
Stosowanie wyborów
-
Ładowanie danych
Kliknij opcję Przeładuj dane, aby odświeżyć analizę przy użyciu najnowszych danych do uczenia. Jeśli Ty lub inni użytkownicy uruchomicie dodatkowe wersje uczenia po otwarciu analizy, trzeba będzie ponownie załadować dane, aby zwizualizować te nowsze wersje.
Eksportowanie danych do katalogu
Eksportuj dane używane w analizie porównawczej modeli do katalogu. Dane są eksportowane do przestrzeni w Analityka Qlik Cloud. Wyeksportowane dane można wykorzystać do tworzenia własnych aplikacji Qlik Sense do analizy niestandardowej.
Więcej informacji zawiera temat Eksportowanie danych do uczenia modelu.
Ranking modeli według określonych wskaźników
Arkusz Porównanie modeli zawiera interaktywne wykresy umożliwiające wizualizację porównania modeli pod względem określonych wskaźników. Użyj paneli filtrów pod każdym z wykresów, aby zwizualizować różne wskaźniki. Użyj tego dostosowania, aby wyświetlić wskaźniki, które są najważniejsze dla Twojego predykcyjnego zastosowania.
Porównywanie wyników modelu i wartości hiperparametrów
Na arkuszu Szczegóły wyniki modelu i hiperparametry są wyświetlane w formacie tabelarycznym. Korzystając z paneli filtrowania po lewej stronie arkusza, dodawaj i usuwaj modele oraz wskaźniki w razie potrzeby.
Porównanie wyników danych wstrzymania i wyników uczenia
Arkusz Szczegóły przedstawia wskaźniki oparte na danych automatycznego wstrzymania, które są używane do sprawdzania wydajności modelu po uczeniu. Możesz także dodać wskaźniki danych uczenia do tabeli Wskaźniki modelu w celu porównania z wynikami danych wstrzymania. Te wyniki często są podobne, ale jeśli znacznie się różnią, prawdopodobnie występuje problem z wyciekiem danych lub przetrenowaniem.
Wykonaj następujące czynności:
-
Na karcie Porównaj otwórz arkusz Szczegóły.
-
W sekcji Kolumny do wyświetlenia po lewej stronie arkusza rozwiń panel filtrowania Wskaźniki.
-
Zaznacz i usuń zaznaczenie pól wyboru, aby zmienić kolumny według potrzeb. Wskaźniki danych do uczenia są dostępne do dodania jako kolumny.
Kolumny zostaną dodane do tabeli Wskaźniki modelu.