Nawigacja po interfejsie eksperymentu

Interfejs z zakładkami pomaga w przechodzeniu przez każdy etap trenowania modelu. Użyj zakładek i panelu konfiguracji eksperymentu, aby trenować i optymalizować model.

Pasek narzędzi

Użyj paska narzędzi, aby przełączać się między zakładkami w interfejsie.

Na pasku narzędzi można również wykonać następujące czynności:

W zależności od tego, na której zakładce się znajdujesz, możesz przełączać się między wytrenowanymi modelami.
Kliknij Wyświetl konfigurację, aby dalej konfigurować trenowanie, przejrzeć bieżącą wersję lub rozpocząć nową wersję.

Pasek narzędzi w eksperymencie uczenia maszynowego (ML)

Konfiguracja i Dane treningowe

Ta zakładka pozwala zarządzać danymi eksperymentu. Podczas tworzenia eksperymentu Konfiguracja jest jedyną wyświetlaną zakładką. W miarę postępu trenowania nazwa zakładki zmienia się na Dane treningowe i można przełączać się na inne zakładki w celu analizy modelu.

Na tej zakładce można:

Wybrać cel przed wytrenowaniem pierwszej wersji.
Dodać lub usunąć cechy.
Wyświetlić spostrzeżenia i statystyki dotyczące zestawu danych cech.
Wybrać nowy zestaw danych treningowych.
Skonfigurować wykrywanie obciążenia.

Przełączaj się między Widok schematu a Widok danych, aby uzyskać różne reprezentacje zestawu danych treningowych.

Zakładka „Dane” w eksperymencie uczenia maszynowego (ML) przed uruchomieniem przez użytkownika wersji trenowania — Zakładka Konfiguracja w eksperymencie uczenia maszynowego (ML). Po zakończeniu trenowania nazwa tej zakładki zmienia się na Dane treningowe.

Modele

Na zakładce Modele można przeprowadzić szybką analizę wyników trenowania i zapoznać się z zalecanymi modelami. Ta zakładka pomaga porównać podstawowe metryki dla każdego modelu i ocenić różne przypadki użycia predykcji.

Aby przeprowadzić bardziej szczegółową analizę modelu, można przełączyć się na zakładki Porównaj i Analizuj.

Wybierz model w tabeli Metryki modelu lub z rekomendacji powyżej tabeli. Możesz wyświetlić:

Wyniki wydajności.
Podsumowanie trenowania modelu (dostępne z inteligentną optymalizacją modelu).
Wizualizacje ważności cech.
Inne wizualizacje specyficzne dla typu eksperymentu.
Wyniki wykrywania obciążenia.

Więcej informacji zawiera temat Przeprowadzanie szybkiej analizy modelu.

Zakładka „Modele” w eksperymencie uczenia maszynowego (ML), pokazująca podsumowanie, podstawowe metryki modelu i automatycznie wygenerowane wizualizacje — Zakładka Modele w eksperymencie uczenia maszynowego (ML) wytrenowanym z inteligentną optymalizacją modelu

Porównaj

Porównaj szczegółowo swoje modele za pomocą osadzonej analityki. Dokonuj selekcji i dostosowuj dane pulpitu nawigacyjnego, aby odkryć spostrzeżenia dotyczące wydajności modelu.

Na zakładce Porównaj można:

Uzyskać dostęp do wszystkich dostępnych metryk modelu i hiperparametrów.
Porównać metryki trenowania i wstrzymania (holdout) w różnych modelach.

Więcej informacji zawiera temat Porównanie modeli.

Analiza porównawcza modeli w eksperymencie uczenia maszynowego (ML) — Zakładka Porównaj w eksperymencie uczenia maszynowego (ML)

Analizuj

Zanurz się głębiej dzięki osadzonej analityce dla każdego trenowanego modelu.

Na zakładce Analizuj można:

Dalej analizować dokładność predykcji.
Ocenić ważność cech na poziomie szczegółowym.
Wyświetlić rozkład danych cech.
Wyświetlić szczegółowe informacje o wynikach wykrywania obciążenia.

Więcej informacji o szczegółowej analizie modelu zawiera temat Szczegółowa analiza modelu.

Zakładka „Analizuj” w eksperymencie uczenia maszynowego (ML), pokazująca dokładność predykcji i ważność cech — Zakładka Analizuj w eksperymencie uczenia maszynowego (ML)

Panel konfiguracji eksperymentu

Użyj tego panelu, aby skonfigurować ustawienia eksperymentu.

Panel konfiguracji eksperymentu otwiera się domyślnie w nowych eksperymentach. Po uruchomieniu wersji kliknij Wyświetl konfigurację, aby otworzyć panel.

Za pomocą panelu konfiguracji eksperymentu można:

Wybierz cel i typ eksperymentu
Ustaw nazwę wersji
Dodaj lub usuń cechy
Skonfiguruj nową wersję eksperymentu
Wyświetl typ trenowanego modelu
Wybierz, aby zmienić lub odświeżyć treningowy zestaw danych
Dodaj lub usuń algorytmy
Zmień ustawienia optymalizacji modelu
W przypadku modeli szeregów czasowych ustaw ustawienia prognozy
Skonfiguruj wykrywanie stronniczości

Panel konfiguracji eksperymentu z wybranym celem, typem eksperymentu i domyślnym wyborem cech — Panel konfiguracji eksperymentu

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!

Przekaż tu opinię