Przeskocz do zawartości głównej Przejdź do treści uzupełniającej

Nawigacja w interfejsie eksperymentu

Interfejs z zakładkami umożliwia nawigację pomiędzy różnymi procesami w ramach szkolenia modeli. Karty i panel konfiguracji eksperymentów umożliwiają wykonywanie różnych zadań związanych z uczeniem i optymalizacją modelu.

Pasek narzędzi

Pasek narzędzi umożliwia przełączanie różnych zakładek interfejsu.

Na pasku narzędzi można także wykonywać następujące czynności:

  • W zależności od tego, na której karcie się znajdujesz, możesz przełączać nauczone modele.

  • Kliknij Wyświetl konfigurację, aby dalej modyfikować uczenie eksperymentu, przeglądać bieżącą wersję lub rozpocząć konfigurowanie nowej wersji.

Pasek narzędzi w eksperymencie AutoML

Pasek narzędzi w eksperymencie uczenia maszynowego

Dane

Ta karta umożliwia zarządzanie danymi w eksperymencie. Gdy tworzysz eksperyment po raz pierwszy, jest to jedyna widoczna karta. W trakcie uczenia eksperymentu możesz przełączać na inne karty w celu analizy modelu.

Na karcie Dane można wykonywać następujące czynności:

  • Wybierz cel przed uczeniem pierwszej wersji.

  • Dodaj lub usuń cechy.

  • Przeglądaj wnioski i statystyki dotyczące zestawu danych cechy.

  • Wybierz nowy zestaw danych do uczenia.

Przełączaj Schemat Widok schematu i Tabela Widok danych dla różnych reprezentacji zestawu danych do uczenia.

Karta Dane w eksperymencie AutoML

Karta „Dane” w eksperymencie uczenia maszynowego, zanim użytkownik uruchomi wersję szkolenia

Modele

Przeprowadź szybką analizę wyników uczenia. Karta Modele pozwala szybko zrozumieć i porównać podstawowe wskaźniki każdego modelu. Aby przeprowadzić bardziej szczegółową analizę modelu, można skorzystać z kart Porównaj i Analizuj.

Kliknij model w tabeli Wskaźniki modelu, aby wyświetlić:

  • Wyniki wydajności.

  • Podsumowanie uczenia modelu (dostępne z inteligentną optymalizacją modeli).

  • Wizualizacje ważności cech.

  • Inne wizualizacje specyficzne dla typu eksperymentu.

Więcej informacji zawiera temat Przeprowadzanie szybkiej analizy modelu.

Karta Modele w eksperymencie AutoML uczonym przy użyciu inteligentnej optymalizacji modeli

Karta „Modele” w eksperymencie uczenia maszynowego, pokazująca podsumowanie, podstawowe wskaźniki modelu i automatycznie generowane wizualizacje

Porównaj

Modele można szczegółowo porównywać przy użyciu wbudowanej analityki. Aby uzyskać szczegółowe informacje na temat modeli, dokonuj wyborów i dostosowuj dane prezentowane na pulpitach nawigacyjnych.

Na karcie Porównaj można wykonywać następujące czynności:

  • Uzyskaj dostęp do wszystkich dostępnych wskaźników i hiperparametrów modelu.

  • Porównaj wskaźniki szkolenia i wstrzymania w różnych modelach.

Więcej informacji zawiera temat Porównanie modeli.

Karta Porównaj w eksperymencie uczenia maszynowego

Analiza porównawcza modeli w eksperymencie uczenia maszynowego

Analizowanie

Analizuj dogłębniej dzięki wbudowanym analizom każdego uczonego modelu.

Na karcie Analizuj można wykonywać następujące czynności:

  • Analizuj dogłębniej dokładność predykcji.

  • Oceń znaczenie cechy na poziomie szczegółowym.

  • Wyświetl rozkład danych cech.

Więcej informacji na temat szczegółowej analizy modeli zawiera temat Szczegółowa analiza modelu.

Karta Analizuj w eksperymencie uczenia maszynowego

Karta „Analizuj” w eksperymencie uczenia maszynowego, pokazująca dokładność przewidywań i ważność cech

Panel Konfiguracja eksperymentu

Kliknij Schemat Wyświetl konfigurację, aby rozwinąć panel konfiguracji eksperymentu. Po rozwinięciu tego panelu można rozpocząć konfigurowanie nowej wersji i ją dostosowywać, aby uzyskać większą kontrolę nad procesem uczenia.

Za pomocą panelu konfiguracji eksperymentu można wykonywać następujące czynności:

  • Wybierz cel przed uczeniem pierwszej wersji

  • Dodaj lub usuń cechy

  • Skonfiguruj nową wersję eksperymentu

  • Wybierz, aby zmienić lub odświeżyć zestaw danych do uczenia

  • Dodaj lub usuń algorytmy

  • Zmień ustawienia optymalizacji modelu

Panel Konfiguracja eksperymentu

Rozbudowany panel dostosowywania w eksperymencie 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, co możemy poprawić!