Praca z eksperymentami
Załaduj dane historyczne do zautomatyzowanego eksperymentu uczenia maszynowego i wytrenuj model, aby przeanalizować i przewidzieć problem biznesowy.
Możesz tworzyć i edytować eksperymenty w przestrzeniach osobistych lub udostępnionych.
Przepływ pracy
Zanim utworzysz zautomatyzowany eksperyment uczenia maszynowego w Qlik Cloud Analytics, musisz mieć dobrze zdefiniowane pytanie dotyczące uczenia maszynowego i odpowiedni zestaw danych treningowych dostępny w oknie Katalog. Aby uzyskać więcej informacji, zobacz Definiowanie pytań uczenia maszynowego i Przygotowanie zestawu danych do trenowania.
Poniższe kroki opisują przepływ pracy eksperymentu.
- Utwórz swój eksperyment
Utwórz nowy eksperyment w Qlik Cloud. Dodaj go do przestrzeni udostępnionej, jeśli chcesz współpracować z innymi.
- Skonfiguruj swój eksperyment
Wybierz cel, dla którego chcesz dokonać predykcji, oraz cechy wspierające predykcję.
- Rozpocznij trenowanie
Rozpocznij trenowanie pierwszej wersji eksperymentu.
- Przejrzyj polecane modele
Przejrzyj przebieg trenowania modelu i oceń modele, które zostały Ci polecone. Użyj wbudowanych narzędzi do analizy podsumowań trenowania i osadzonych analiz, które oferują wgląd na poziomie eksperymentu, wersji i modelu.
Jeśli konieczne jest dalsze udoskonalanie, możesz skonfigurować kolejne wersje eksperymentu. Dostosuj parametry, takie jak cechy i algorytmy, i ponownie trenuj nowe wersje eksperymentu, aż uzyskasz dobry model.
- Wdróż model
Gdy masz już dobry model, nadszedł czas, aby go wdrożyć i zacząć dokonywać predykcji.
Wymagania i uprawnienia
Aby uzyskać informacje o wymaganych rolach w przestrzeni do pracy z eksperymentami ML w przestrzeniach udostępnionych, zobacz:
Jeśli jesteś administratorem, zobacz Kto może pracować z Qlik Predict, aby uzyskać kompleksowy przegląd wymaganych uprawnień użytkownika do pracy z eksperymentami ML.
Wyświetlanie pochodzenia i analizy wpływu
Korzystając z narzędzi Pochodzenie i Analiza wpływu w Qlik Cloud, możesz analizować:
-
Pochodzenie eksperymentu ML i dane użyte do trenowania każdego modelu.
-
Sposób, w jaki eksperyment ML i jego wyniki są wykorzystywane w powiązanych treściach w Qlik Cloud.