Praca z uczeniem maszynowym w Qlik Answers
Ostatnia aktualizacja: 16.09.2026Możesz pracować z Qlik Predict zautomatyzowanym uczeniem maszynowym, wykorzystując technologię opartą na sztucznej inteligencji firmy Qlik Answers.
W agentowym Qlik Answers doświadczeniu możesz tworzyć i uruchamiać przepływy pracy uczenia maszynowego w języku naturalnym. Możesz przeglądać zbiory danych, konfigurować i trenować eksperymenty oraz uruchamiać przewidywania z tego samego interfejsu czatu.
Praca z Predict w Qlik Answers
Czynności wstępne
Wymagania wstępne:
-
Twoja dzierżawa ma włączone wnioskowanie międzyregionalne — to znaczy, że dzierżawa musi być włączona dla agentowego Qlik Answers środowiska.
-
Twoja dzierżawa i subskrypcja mają pojemność dla Qlik Answers i Qlik Predict.
Monitorowanie wykorzystania pojemności Qlik Predict dla subskrypcji
-
Masz dostęp do wymaganych zestawów danych i Qlik Predict zasobów.
Otwieranie Qlik Predict w Qlik Answers
Wykonaj następujące czynności:
-
Kliknij Otwórz Answers, aby otworzyć Qlik Answers.
-
W menu rozwijanym wybierz Predict.
Otwieranie Predict
Kompleksowe przepływy pracy
Użyj następujących przepływów pracy podczas pracy z Predict.
Krok 1: Eksploracja zbioru danych i wnioski
Skorzystaj z analiz zbioru danych, aby zrozumieć jakość danych i potencjalne pola przed szkoleniem. Poproś o spostrzeżenia i docelowe rekomendacje.
Nie musisz również znać dokładnej nazwy zestawu danych, którego chcesz użyć — możesz poprosić o listę dostępnych zestawów danych.
| Działanie | Przykładowe pytania | Notatki |
|---|---|---|
| Wybór zestawu danych |
|
- |
| Informacje o zestawie danych |
|
Alternatywnie, możesz najpierw otworzyć zestaw danych w Qlik Cloud, a następnie zadawać pytania takie jak:
|
| Zalecenie docelowe |
|
Przydatne jako pytania uzupełniające po wybraniu zestawu danych i eksploracji wniosków. |
Krok 2: Szkolenie i monitorowanie eksperymentu
Opisz swój cel i pozwól agentowi skonfigurować i uruchomić eksperyment. Obsługiwane są typy eksperymentów regresji i klasyfikacji. Po wybraniu zestawu danych i celu, zostaniesz poproszony o rozpoczęcie szkolenia.
Jeśli wcześniej rozpocząłeś już przepływ pracy uczenia maszynowego, możesz poprosić Predict o monitorowanie istniejących eksperymentów.
| Działanie | Przykładowe pytania | Notatki |
|---|---|---|
| Trening eksperymentu (z już wybranym zestawem danych) |
|
Przydatne jako pytania uzupełniające po wybraniu zbioru danych treningowych do użycia. |
| Trening eksperymentu (nie wybrano zestawu danych) |
|
Te pytania mogą pomóc Ci zacząć bezpośrednio, bez ręcznego wyszukiwania zestawów danych po nazwie. |
| Monitorowanie eksperymentów |
|
- |
Krok 3: Interpretacja modelu i rekomendacje
Po zakończeniu szkolenia możesz poprosić o interpretację zachowania modelu w języku naturalnym oraz rekomendacje oparte na wynikach modelu.
| Działanie | Przykładowe pytania | Notatki |
|---|---|---|
| Rekomendacje modeli |
|
Aby uzyskać najlepsze wyniki, musisz mieć eksperyment otwarty w przeglądarce lub odwołać się do nazwy eksperymentu w monicie. |
| Wskaźniki modelu i analizy |
|
Aby uzyskać najlepsze wyniki, musisz mieć eksperyment otwarty w przeglądarce lub odwołać się do nazwy eksperymentu w monicie. |
Analizując modele na czacie, możesz również kliknąć 
Wyświetl źródło aby rozwinąć dodatkowe szczegóły, w tym wykresy rozbicia ważności cech oraz wnioski w języku naturalnym.
Korzystanie z Wyświetl źródło do analizowania modeli z osadzonymi wykresami
Krok 4: Wdrożenie, aktywacja i prognozy
Po szkoleniu możesz wdrożyć model, tworząc wdrożenie ML. Po tym, jak poprosisz o wdrożenie modelu, zostaniesz poproszony o potwierdzenie wdrożenia.
Możesz również uruchamiać prognozy wsadowe przy użyciu wdrożonych modeli. System wyszukuje zgodne zbiory danych do zastosowania i wyświetla je do wyboru. Możesz również użyć monitów języka naturalnego, aby wybrać konkretny zestaw danych do zastosowania.
Wdrożone modele są aktywowane automatycznie w miarę tworzenia prognoz, w zależności od dostępnej pojemności dla subskrypcji.
| Działanie | Przykładowe pytania | Notatki |
|---|---|---|
| Wdrożenie modelu i monitorowanie |
|
Przydatne jako pytania uzupełniające bezpośrednio po analizie modelu. Aby uzyskać najlepsze wyniki, musisz mieć eksperyment otwarty w przeglądarce lub odwołać się do nazwy eksperymentu w monicie. |
| Prognozy—rozpocznij żądanie |
|
Aby uzyskać najlepsze rezultaty, musisz mieć wdrożenie otwarte w przeglądarce lub odwołać się do nazwy wdrożenia w monicie. |
| Prognozy—wybór zestawu danych do zastosowania |
|
Aby uzyskać najlepsze rezultaty, musisz mieć wdrożenie otwarte w przeglądarce lub odwołać się do nazwy wdrożenia w monicie. |
| Prognozy — monitorowanie stanu |
|
Aby uzyskać najlepsze rezultaty, musisz mieć wdrożenie otwarte w przeglądarce lub odwołać się do nazwy wdrożenia w monicie. |
| Prognozy—przeglądaj wyniki prognoz |
|
Aby uzyskać najlepsze rezultaty, musisz mieć wdrożenie otwarte w przeglądarce lub odwołać się do nazwy wdrożenia w monicie. |
Najlepsze praktyki zadawania pytań
Aby uzyskać najlepsze rezultaty podczas pracy z Qlik Predict w Qlik Answers, należy obserwować te ogólne wytyczne:
-
Jeśli nie wiesz, od czego zacząć, zapytaj Predict co potrafi. Qlik Answers może przedstawić listę obsługiwanych funkcji.
-
Rozpocznij nową rozmowę, gdy zmieniasz temat lub jeśli nie otrzymujesz potrzebnej odpowiedzi.
-
Jeśli nie otrzymujesz wymaganej odpowiedzi, spróbuj podać więcej szczegółów i bądź precyzyjny w kwestii tego, co chcesz zrobić. Na przykład, odwoływanie się do dokładnych nazw zbiorów danych i innych zasobów może lepiej pomóc Qlik Answers je znaleźć podczas rozpoczynania szkolenia lub uruchamiania przewidywań.
-
Przeformułuj pytanie, jeśli za pierwszym razem nie uzyskasz potrzebnej odpowiedzi.
Więcej informacji zawiera temat Najlepsze praktyki czatowania z Qlik Answers.
Uprawnienia
Potrzebujesz zarówno Qlik Answers, jak i Qlik Predict uprawnień, aby ukończyć kompleksowe przepływy pracy uczenia maszynowego.
Konkretnie, potrzebne są następujące pozycje:
-
Uprawnienie użytkownika profesjonalnego (dotyczy tylko subskrypcji opartych na użytkownikach)
-
Wymagane uprawnienie Agentowa sztuczna inteligencja > Analiza danych ustawione na Dozwolone. Przyznaje je administrator dzierżawy.
-
Wymagane Qlik Predict uprawnienia do pracy z eksperymentami i wdrożeniami ML, przypisane Ci przez administratora dzierżawy. Zobacz:
-
Dostęp do przestrzeni, gdzie znajdują się zbiory danych, eksperymenty i wdrożenia. Zobacz:
Ograniczenia
Zestawy danych
Aktualizowanie i usuwanie zestawów danych
Nie można przesyłać ani usuwać zbiorów danych z czatu.
Zmiana zbiorów danych
Poniższe nie są możliwe na czacie:
-
Zmiana zestawów danych treningowych po uruchomieniu wersji eksperymentu.
-
Uruchamianie wielu przewidywań z różnymi zestawami danych do zastosowania w ramach tej samej rozmowy.
Jako obejście, gdy musisz trenować eksperymenty lub uruchamiać przewidywania przy użyciu innego zbioru danych, najpierw rozpocznij nowy czat. Jeśli trenujesz eksperymenty, będzie to również wymagać utworzenia nowego eksperymentu w nowym czacie.
Więcej informacji na temat rozpoczynania nowych czatów można znaleźć w Czatowanie z Qlik Answers.
Duże zestawy danych
Czat nie obsługuje zestawów danych przekraczających którykolwiek z następujących limitów dla Qlik Cloud dzierżawy:
-
Maksymalny rozmiar zestawu danych (zestawy danych treningowych)
-
Maksymalna liczba komórek zestawu danych (zestawy danych treningowych)
-
Maksymalna liczba uwzględnionych kolumn (zbiory danych do trenowania i zastosowania)
Funkcje eksperymentalne
-
Wykrywanie stronniczości nie jest obsługiwane.
-
Nie można analizować ani pobierać raportów z trenowania modelu.
-
Nie można uzyskać dostępu do wbudowanych analiz (zakładek Porównaj i Analizuj) dla eksperymentu.
-
Wszystkie cechy i algorytmy są wybierane do szkolenia podczas konfigurowania eksperymentu. Nie można odznaczyć funkcji ani algorytmów. Ponadto, inteligentna optymalizacja modelu jest zawsze używana do trenowania modeli — ręczna optymalizacja nie jest obsługiwana.
-
Nie jest możliwe trenowanie drugiej i kolejnych wersji eksperymentu.
Typy modeli
Niedostępne dla modeli szeregów czasowych.
Typy prognoz
Niedostępne dla prognoz czasu rzeczywistego lub opartych na łącznikach.
Zarządzanie modelem uczenia maszynowego
-
Nie możesz zastąpić istniejącego wdrożonego modelu z czatu.
-
Nie możesz wdrożyć wielu modeli z różnych wersji eksperymentów z czatu.
-
Nie jest możliwe uzyskanie dostępu do osadzonych analiz (operacji modelu i monitorowania dryfu) dla wdrożenia.