Анализ моделей
Qlik Predict предоставляет широкие визуальные возможности для анализа моделей, обученных в рамках эксперимента. Вы можете анализировать ключевые метрики моделей с помощью простого интерфейса, который включает автоматически создаваемые рекомендации, сводки и визуализации. Для более детального анализа и сравнения можно использовать встроенную аналитику.
Перед началом работы
Перед анализом моделей может быть полезно ознакомиться с базовыми концепциями оценки моделей. Сюда относятся оценки моделей, важность характеристик и алгоритмы.
Для получения информации см. Общие сведения о концепциях проверки моделей.
Быстрый анализ
Быстрый анализ позволяет оперативно получить представление о том, как прошло обучение моделей, и о качестве полученных моделей. Вы также можете просмотреть, какие модели рекомендуются вам на основе общих требований.
Перед тем как перейти к анализу, рекомендуется открыть вкладку Данные обучения, чтобы посмотреть, как обрабатывались данные обучения. Это может быть важно, так как некоторые характеристики могли быть признаны непригодными для использования в этой версии.
Откройте вкладку Модели в эксперименте для обзора результатов обучения. Вы можете быстро сравнить модели и определить наиболее эффективные. Информация на этой вкладке зависит от того, используете ли вы оптимизацию моделей Интеллектуальный, а также от типа задачи вашего эксперимента.
Для получения дополнительной информации см.:
Сравнение моделей
Используйте встроенную аналитику для интерактивного и глубокого сравнения моделей. Сравнение можно выполнить на вкладке Сравнить.
В ходе сравнения моделей можно выполнять следующие действия:
-
Сравнивать все доступные метрики для всех моделей.
-
Просматривать и сравнивать оценки обучения и удержания для всех моделей.
-
Сравнивать значения гиперпараметров для всех моделей.
Подробное руководство см. в разделе Сравнение моделей.
Детальный анализ
На вкладке Анализ эксперимента выполните детальный анализ конкретной модели. Детальный анализ выполняется с помощью встроенной аналитики. Вы можете интерактивно фильтровать данные, чтобы лучше понять производительность модели для определенных кластеров данных.
Детальный анализ модели позволяет выявить проблемы, вызванные данными обучения, и узнать больше о сильных и слабых сторонах модели.
Подробное руководство см. в разделе Выполнение подробного анализа модели.
Загрузка отчетов об обучении
Для получения дополнительных сведений можно загрузить отчеты об обучении для моделей в эксперименте. Отчет об обучении содержит подробную сводку о том, как обучалась модель, включая исчерпывающие сведения о предварительной обработке, преобразовании характеристик, версиях эксперимента и метриках модели. Отчеты об обучении экспортируются непосредственно на ваш локальный компьютер.
Для получения дополнительной информации см. Загрузка отчетов об обучении модели.
Дальнейшие шаги
Дальнейшие шаги могут зависеть от того, как вы оптимизируете свои модели.
Интеллектуальная оптимизация моделей в идеале создает модель, готовую к развертыванию с минимальной дополнительной доработкой или вообще без нее. Качество моделей по-прежнему зависит от качества данных обучения, конфигурации эксперимента и любых требований, специфичных для вашего сценария прогнозирования. После анализа моделей и устранения других проблем с качеством данных или конфигурацией эксперимента вы будете готовы развернуть модель, наиболее соответствующую вашим требованиям.
Если после запуска интеллектуальной оптимизации моделей вы обнаружите дополнительные проблемы или если вы отключили интеллектуальную оптимизацию моделей с самого начала, вы можете вручную настроить новые версии эксперимента, чтобы улучшить полученные модели.
Примеры шагов по доработке включают в себя:
-
Включение интеллектуальной оптимизации после запуска без нее.
-
Отключение интеллектуальной оптимизации после запуска версии с ней. Это позволяет вносить необходимые изменения в конфигурацию.
-
Изменение или обновление данных обучения.
-
Изменение включенных характеристик.
-
Изменение обработки данных характеристик (например, изменение типа характеристики).
После достижения желаемых результатов разверните одну или несколько моделей. Для получения дополнительной информации см.: