Экспорт данных для обучения модели

На вкладках Сравнение и Анализ можно экспортировать данные анализа модели в ходе эксперимента. Данные экспортируются на платформу Qlik Cloud в выделенное пространство, где можно продолжить их анализ в приложениях Qlik Sense.

Экспортированные данные можно затем импортировать в приложения Qlik Sense следующими способами:

• Загрузите наборы данных в приложения с помощью интерфейсов Диспетчер данных и Каталог данных.

• Используйте Редактор загрузки данных в приложении для загрузки данных с помощью скриптов.

• Создайте скрипты и потоки данных для дальнейшего преобразования и сохранения данных в новые файлы, которые можно загрузить в приложения Qlik Sense.

Доступные форматы

Данные для обучения модели можно экспортировать в следующих форматах:

• Parquet (по умолчанию)

• CSV

• QVD

Экспорт данных анализа для всего эксперимента

Доступны следующие варианты.

• Метрики модели: экспортируются метрики производительности для всех моделей, обученных в ходе эксперимента. Метрики производительности создаются путем тестирования обученных моделей на основе автоматически отложенных данных. Набор данных также включает метрики производительности, созданные в результате тестирования обученных моделей на основе данных, которые использовались для обучения.

• Гиперпараметры: экспортируются данные для гиперпараметров, которые использовались при обучении модели.

Выполните следующие действия.

1. Откройте вкладку Сравнение в эксперименте машинного обучения.

2. Щелкните Экспорт данных в каталог над встроенным анализом.

3. Отметьте нужные параметры.

4. При необходимости измените пути к набору данных по умолчанию, включая папки и имя файла. Для разделения папок используйте символы /.

   Для получения дополнительной информации о ссылках на папки см. Советы по использованию ссылок на папки в путях.

   

5. Выберите формат вывода данных.

6. Выберите пространство, где будут храниться экспортированные данные.

7. Нажмите кнопку, чтобы экспортировать наборы данных.

Экспорт данных анализа для отдельной модели

Доступны следующие варианты.

• Данные прогнозирования: экспортируются данные прогнозирования для прогнозов, созданных моделью на основе автоматически отложенных данных. В моделях классификации учитываются вероятности для каждого класса.

• SHAP и тестовые данные: экспортируются данные SHAP, рассчитанные моделью на основе автоматически отложенных данных. Фактические значения признаков для автоматически отложенных данных также включены в набор данных.

• Метаданные признака: экспортируется набор данных, который содержит тип даты и тип признака для каждого признака, используемого для обучения модели.

Выполните следующие действия.

1. На вкладке Анализ в эксперименте машинного обучения выберите конкретную модель или нажмите кнопку Анализировать рядом с моделью в другом виде.

2. Щелкните Экспорт данных в каталог над встроенным анализом.

3. Отметьте нужные параметры.

4. При необходимости измените пути к набору данных по умолчанию, включая папки и имя файла. Для разделения папок используйте символы /.

   Для получения дополнительной информации о ссылках на папки см. Советы по использованию ссылок на папки в путях.

   

5. Выберите формат вывода данных.

6. Выберите пространство, где будут храниться экспортированные данные.

7. Нажмите кнопку, чтобы экспортировать наборы данных.

Примеры:  

• Набор данных метрики модели со следующим именем и местоположением: Model Performance/MyExperiment. В этом случае набор данных MyExperiment сохраняется в папке ModelPerformance пространства.

• Набор данных для метаданных признака со следующим именем и местоположением: Model Performance/Candidate Models/v01_LOGC_00_00. В этом случае набор данных v01_LOGC_00_00 сохраняется в структуре папок Model Performance/Candidate Models пространства.