Przeskocz do zawartości głównej Przejdź do treści uzupełniającej

Nawigacja po interfejsie wdrożenia uczenia maszynowego.

Po otwarciu wdrożenia uczenia maszynowego możesz wykonywać czynności związane z zarządzaniem i monitorowaniem oraz używać go do tworzenia predykcji na podstawie zestawów danych.

Otwórz wdrożenie uczenia maszynowego z katalogu. Dostępne są następujące opcje nawigacji:

Przegląd wdrożenia

Przegląd wdrożenia przedstawia cechy używane w szkoleniu modelu oraz szczegóły dotyczące wdrożenia.

Przegląd wdrożenia uczenia maszynowego

Panel Przegląd modelu.

Jeśli domyślny model we wdrożeniu będzie nieaktywny, otrzymasz powiadomienie na banerze w górnej części ekranu. Jeśli masz odpowiednie uprawnienia, możesz aktywować model, klikając pozycję Aktywuj model. Więcej informacji zawiera temat:

Modele do wdrożenia

W panelu Modele do wdrożenia można zarządzać aliasami modeli i konfigurować, które modele są używane do predykcji.

Więcej informacji zawiera temat Używanie wielu modeli we wdrożeniu uczenia maszynowego.

Panel Modele do wdrożenia w Qlik Predict

Panel „Modele do wdrożenia” w interfejsie wdrożenia uczenia maszynowego [[[Undefined variable CommonComponents.AutoML]]]

Predykcje zbiorcze

W obszarze Predykcje zbiorcze można uruchamiać predykcje zbiorcze i nimi zarządzać przy użyciu wdrożenia uczenia maszynowego. Kliknij przycisk Utwórz predykcję, aby utworzyć konfigurację predykcji, z której można uruchamiać predykcje zbiorcze. Z wdrożeniem uczenia maszynowego może być powiązanych kilka konfiguracji predykcji.

Za pomocą menu Działania Menu z trzema kropkami w tabeli można wykonywać następujące czynności:

  • Wyświetlanie i edytowanie szczegółów konfiguracji predykcji

  • Uruchamianie predykcji na podstawie istniejących konfiguracji

  • Edycja i usuwanie konfiguracji

  • Tworzenie, edytowanie i usuwanie harmonogramów predykcji dla istniejącej już konfiguracji

Predykcje zbiorcze z przeglądem i rozwiniętym menu Działania

Panel Predykcje zestawu danych.

W przypadku wybrania opcji Edytuj konfigurację predykcji zostanie otwarty panel Konfiguracja predykcji.

Predykcje zbiorcze z panelem bocznym do konfiguracji predykcji

Menu konfiguracji predykcji i schematy zestawów danych podczas tworzenia predykcji.

Predykcje w czasie rzeczywistym

Panel Predykcje w czasie rzeczywistym zapewnia dostęp do punktu końcowego predykcji w czasie rzeczywistym w interfejsie Machine Learning API. Jeśli domyślny model we wdrożeniu uczenia maszynowego jest aktywowany do tworzenia predykcji, ten panel jest widoczny.

Informacje na temat tworzenia predykcji w czasie rzeczywistym zawiera temat Tworzenie predykcji w czasie rzeczywistym.

Informacja

API predykcji w czasie rzeczywistym jest przestarzałe i zostało zastąpione przez punkt końcowy predykcji w czasie rzeczywistym w Machine Learning API. Sama funkcjonalność nie została wycofana. Do predykcji w czasie rzeczywistym należy używać w przyszłości punktu końcowego predykcji w czasie rzeczywistym w Machine Learning API.

Panel Predykcje w czasie rzeczywistym

Panel Predykcje w czasie rzeczywistym

Monitorowanie operacji

W sekcji Monitorowanie operacji można monitorować informacje o wykorzystaniu dotyczące wdrożenia uczenia maszynowego. Można wyświetlić szczegółowe informacje o tym, jak wdrożono uczenie maszynowe, takie jak liczba zdarzeń predykcji zakończonych powodzeniem lub niepowodzeniem, oraz sposób, w jaki zdarzenia predykcji są zwykle wyzwalane.

Więcej informacji zawiera temat Monitorowanie operacji wdrożonego modelu.

Panel Monitorowanie operacji we wdrożeniu uczenia maszynowego

Wbudowana analiza pokazująca analizę operacji dla wdrożenia uczenia maszynowego

Monitorowanie dryfu danych

W sekcji Monitorowanie dryfu danych można monitorować dryf danych dla wdrożenia uczenia maszynowego.

Dzięki monitorowaniu dryfu danych można ocenić zmiany w rozkładzie cech w modelu danych źródłowych. W przypadku zaobserwowania znacznego dryfu zaleca się ponowne nauczenie lub ponowną konfigurację modelu w celu uwzględnienia najnowszych danych, które mogą wskazywać na nowe wzorce w trendach danych.

Więcej informacji zawiera temat Monitorowanie dryfu danych we wdrożonych modelach.

Okienko Monitorowanie dryfu danych we wdrożeniu uczenia maszynowego

Analiza dryfu danych analizy wbudowanej dla wdrożenia uczenia maszynowego

Czy ta strona była pomocna?

Jeżeli natkniesz się na problemy z tą stroną lub jej zawartością — literówkę, brakujący krok lub błąd techniczny — daj nam znać!