Praca z uczeniem maszynowym w Qlik Answers | Qlik Cloud Pomoc
Przeskocz do zawartości głównej Przejdź do treści uzupełniającej

Praca z uczeniem maszynowym w Qlik Answers

Ostatnia aktualizacja: 2026-11-18

Możesz pracować z Qlik Predict zautomatyzowanym uczeniem maszynowym, korzystając z technologii Qlik Answers opartej na sztucznej inteligencji.

W środowisku agentowym Qlik Answers możesz tworzyć i uruchamiać przepływy pracy uczenia maszynowego w języku naturalnym. Możesz przeglądać zbiory danych, konfigurować i trenować eksperymenty oraz uruchamiać przewidywania z poziomu tego samego środowiska czatu.

To środowisko Qlik Answers jest oddzielne od uzyskiwania dostępu do możliwości Qlik Predict za pośrednictwem serwera MCP Qlik w zewnętrznym kliencie LLM. Aby uzyskać więcej informacji, zobacz temat Qlik serwer MCP.

Praca z Predict w Qlik Answers

Trenowanie eksperymentu ML w środowisku agentowym
Govnote-not-inNieobsługiwane w Qlik Cloud Government.
Govnote-not-inNieobsługiwane w Qlik Cloud Government - DoD.

Czynności wstępne

Wymagania wstępne:

Otwieranie Qlik Predict w Qlik Answers

  1. Kliknij Otwórz Answers, aby otworzyć Qlik Answers.

  2. W menu rozwijanym wybierz Predict.

    Otwieranie Predict

    Wybieranie agenta predykcyjnego na czacie

Kompleksowe przepływy pracy

Podczas pracy z Predict korzystaj z poniższych przepływów pracy.

Krok 1: Eksploracja zbioru danych i wnioski

Użyj szczegółowych informacji o zestawie danych, aby zrozumieć jakość danych i pola kandydujące przed rozpoczęciem trenowania. Poproś o spostrzeżenia i rekomendacje dotyczące grupy docelowej.

Nie musisz również znać dokładnej nazwy zestawu danych, którego chcesz użyć — możesz poprosić o listę dostępnych zestawów danych.

Przykładowe pytania do eksploracji zbioru danych i uzyskiwania wniosków
Działanie Przykładowe pytania Uwagi
Wybór zbioru danych
  • Pokaż mi dostępne zestawy danych do trenowania

  • Jakich zbiorów danych mogę użyć do trenowania?

  • Wyświetl listę zestawów danych

-
Informacje o zestawie danych
  • czy możesz pokazać mi spostrzeżenia dotyczące zbioru danych <nazwa zbioru danych>

Alternatywnie możesz najpierw otworzyć zestaw danych w Qlik Cloud, a następnie zadać pytania, takie jak:

  • czy możesz pokazać mi analizy zbioru danych dla tego zbioru danych?

  • Które cechy w tym zbiorze danych mają wysoką kardynalność

Rekomendacja docelowa
  • Którą kolumnę zalecasz wykorzystać jako docelową

  • Jaka jest Twoja rekomendacja dotycząca elementu docelowego

  • Którą kolumnę powinien przewidywać wytrenowany model

Przydatne jako pytania uzupełniające po wybraniu zestawu danych i przeanalizowaniu szczegółowych informacji.

Krok 2: Trenowanie i monitorowanie eksperymentu

Opisz swój cel i pozwól agentowi skonfigurować oraz uruchomić eksperyment. Obsługiwane są typy eksperymentów regresji i klasyfikacji. Po wybraniu zbioru danych i celu zostanie wyświetlony monit o rozpoczęcie trenowania.

Jeśli wcześniej rozpoczęto już przepływ pracy uczenia maszynowego, możesz poprosić Predict o monitorowanie istniejących eksperymentów.

Przykładowe pytania dotyczące trenowania i monitorowania eksperymentów
Działanie Przykładowe pytania Uwagi
Trenowanie eksperymentu (z już wybranym zbiorem danych)
  • Chcę przewidzieć <nazwa kolumny>

  • Użyj <nazwa kolumny> jako elementu docelowego

Przydatne jako pytania uzupełniające po wybraniu zestawu danych treningowych do użycia.
Trenowanie eksperymentu (nie wybrano zestawu danych)
  • Trenuj modele, aby przewidywać <nazwa kolumny>; użyj <nazwa zestawu danych lub słowo kluczowe>

  • Utwórz eksperyment z danymi <nazwa zestawu danych lub słowo kluczowe>

Te pytania mogą pomóc Ci bezpośrednio rozpocząć pracę bez konieczności ręcznego wyszukiwania zbiorów danych według nazwy.
Monitorowanie eksperymentów
  • Wyświetl moje najnowsze eksperymenty i ich status

  • Jaki jest status mojego eksperymentu
-

Krok 3: Interpretacja modelu i rekomendacje

Po zakończeniu trenowania możesz poprosić o interpretację zachowania modelu w przystępnym języku oraz rekomendacje oparte na wynikach modelu.

Przykładowe pytania do analizy modelu
Działanie Przykładowe pytania Uwagi
Rekomendacje modeli
  • Jaki jest najlepszy model w tym eksperymencie

  • Mam otwarty eksperyment <nazwa eksperymentu>. Jaki jest najlepszy model

  • Mam otwarty eksperyment <nazwa eksperymentu>. Podsumuj najlepszą wydajność modelu dla odbiorców biznesowych

Aby uzyskać najlepsze wyniki, należy mieć otwarty eksperyment w przeglądarce lub odwołać się do nazwy eksperymentu w prompcie.
Wskaźniki modelu i spostrzeżenia
  • Jaki jest najlepszy algorytm modelu w tym eksperymencie

  • Mam otwarty eksperyment <nazwa eksperymentu>. Jakie są metryki dla najlepszego modelu

  • Poznaj wnioski dotyczące modelu i ważność cech dla tego eksperymentu

  • Mam otwarty eksperyment <nazwa eksperymentu>. Które cechy mają największy wpływ na ten model?

Aby uzyskać najlepsze wyniki, należy mieć otwarty eksperyment w przeglądarce lub odwołać się do nazwy eksperymentu w prompcie.

Podczas analizowania modeli na czacie możesz również kliknąć Wyświetl źródło, aby rozwinąć dodatkowe szczegóły, w tym wykresy rozbicia ważności cech oraz wnioski w języku naturalnym.

Używanie opcji Wyświetl źródło do analizowania modeli z osadzonymi wykresami

Używanie opcji Wyświetl źródło do analizowania modeli z osadzonymi wykresami

Krok 4: Wdrożenie, aktywacja i predykcje

Po wytrenowaniu możesz wdrożyć model, tworząc wdrożenie ML. Gdy poprosisz, aby wdrożyć model, pojawi się monit o potwierdzenie wdrożenia.

Możesz także uruchamiać predykcje wsadowe przy użyciu wdrożonych modeli. System wyszukuje zgodne zbiory danych do zastosowania i wyświetla ich listę do wyboru. Możesz także użyć poleceń w języku naturalnym, aby wybrać określony zbiór danych do zastosowania.

Wdrożone modele są aktywowane automatycznie w miarę tworzenia predykcji, w zależności od dostępnej pojemności dla subskrypcji.

Przykładowe pytania dotyczące wdrożenia i predykcji
Działanie Przykładowe pytania Uwagi
Wdrożenie i monitorowanie modelu
  • Wdróż najlepszy model dla tego eksperymentu

  • Mam otwarty eksperyment <nazwa eksperymentu>. Wyświetl szczegóły wdrożenia

  • Sprawdź status wdrożenia dla tego eksperymentu

Przydatne jako pytania uzupełniające bezpośrednio po analizie modelu.

Aby uzyskać najlepsze wyniki, należy mieć otwarty eksperyment w przeglądarce lub odwołać się do nazwy eksperymentu w prompcie.

Predykcje — rozpoczęcie żądania
  • Uruchom predykcje za pomocą tego wdrożenia

  • Uruchom predykcje za pomocą wdrożenia <nazwa wdrożenia>

Aby uzyskać najlepsze rezultaty, musisz mieć otwarte wdrożenie w przeglądarce lub odwołać się do nazwy wdrożenia w monicie.
Predykcje — wybór zbioru danych do zastosowania
  • Użyj <nazwa zbioru danych do zastosowania> jako zbioru danych do zastosowania do predykcji z tym wdrożeniem

  • Mam otwarte wdrożenie <nazwa wdrożenia>. Uruchom predykcje za pomocą zbioru danych <apply dataset name>

Aby uzyskać najlepsze rezultaty, musisz mieć otwarte wdrożenie w przeglądarce lub odwołać się do nazwy wdrożenia w monicie.
Prognozy — stan monitora
  • Sprawdź status predykcji wsadowej dla tego wdrożenia

Aby uzyskać najlepsze rezultaty, musisz mieć otwarte wdrożenie w przeglądarce lub odwołać się do nazwy wdrożenia w monicie.
Predykcje — eksploruj wyniki predykcji
  • Mam otwarte wdrożenie <nazwa wdrożenia>. Przeglądaj aktualne wyniki predykcji

  • Pokaż mi moje najnowsze predykcje dla tego wdrożenia

Aby uzyskać najlepsze rezultaty, musisz mieć otwarte wdrożenie w przeglądarce lub odwołać się do nazwy wdrożenia w monicie.

Dobre praktyki dotyczące zadawania pytań

Aby uzyskać najlepsze rezultaty podczas pracy z Qlik Predict w Qlik Answers, należy obserwować te ogólne wytyczne:

  • Jeśli nie masz pewności, jak zacząć, zapytaj Predict, co potrafi. Qlik Answers może udostępnić listę obsługiwanych możliwości.

  • Rozpocznij nową konwersację przy zmianie tematu lub jeśli nie otrzymujesz potrzebnej odpowiedzi.

  • Jeśli nie otrzymujesz wymaganej odpowiedzi, spróbuj podać więcej szczegółów i precyzyjnie określ, co chcesz zrobić. Na przykład odwoływanie się do dokładnych nazw zbiorów danych i innych zasobów może pomóc Qlik Answers lepiej je znaleźć podczas rozpoczynania trenowania lub uruchamiania predykcji.

  • Przeformułuj pytanie, jeśli za pierwszym razem nie zwróci ono odpowiedzi, której potrzebujesz.

Aby uzyskać więcej informacji, zobacz temat Najlepsze praktyki czatowania z Qlik Answers.

Uprawnienia

Potrzebujesz zarówno uprawnień Qlik Answers, jak i Qlik Predict, aby realizować kompleksowe przepływy pracy uczenia maszynowego.

Potrzebne są poniższe pozycje:

Ograniczenia

Zestawy danych

Nie możesz przesyłać ani usuwać zestawów danych z poziomu czatu.

Następujące czynności nie są możliwe na czacie:

  • Zmiana zbiorów danych treningowych po uruchomieniu wersji eksperymentu.

  • Uruchamianie wielu predykcji z różnymi zbiorami danych do zastosowania w ramach tego samego czatu.

Jako obejście problemu, gdy musisz trenować eksperymenty lub uruchamiać predykcje przy użyciu innego zestawu danych, najpierw rozpocznij nowy czat. Jeśli trenujesz eksperymenty, będzie to również wymagało utworzenia nowego eksperymentu w nowym czacie.

Aby uzyskać więcej informacji na temat rozpoczynania nowych czatów, zobacz temat Czatowanie z Qlik Answers.

Czat nie obsługuje zestawów danych, które przekraczają którykolwiek z następujących limitów dla dzierżawy Qlik Cloud:

  • Maksymalny rozmiar zestawu danych (treningowe zestawy danych)

  • Maksymalna liczba komórek zestawu danych (treningowe zestawy danych)

  • Maksymalna liczba uwzględnionych kolumn (zbiory danych treningowych i do zastosowania)

Funkcje eksperymentu

  • Wykrywanie stronniczości nie jest obsługiwane.

  • Nie można analizować ani pobierać raportów z trenowania modeli.

  • Nie można uzyskać dostępu do wbudowanej analityki (kart Porównaj i Analizuj) dla tego eksperymentu.

  • Wszystkie cechy i algorytmy są wybierane do trenowania podczas konfigurowania eksperymentu. Nie można odznaczyć cech ani algorytmów. Ponadto do trenowania modeli zawsze stosowana jest inteligentna optymalizacja modeli — ręczna optymalizacja nie jest obsługiwana.

  • Nie można trenować drugiej i kolejnych wersji eksperymentu.

Typy modeli

Niedostępne dla modeli szeregów czasowych.

Typy predykcji

Niedostępne dla prognoz w czasie rzeczywistym lub opartych na łącznikach.

Zarządzanie modelem uczenia maszynowego

  • Nie można zastąpić istniejącego wdrożonego modelu z poziomu czatu.

  • Nie można wdrożyć wielu modeli z różnych wersji eksperymentu z poziomu czatu.

  • Dostęp do wbudowanej analityki (operacje na modelach i monitorowanie dryfu) dla wdrożenia nie jest możliwy.

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!