Навигация в интерфейсе развертывания машинного обучения
В окне развертывания машинного обучения можно осуществлять управление и мониторинг, а также использовать развертывание для прогнозирования на основе наборов данных.
Откройте развертывание машинного обучения из каталога. Существуют следующие варианты навигации для следующих областей:
Обзор развертывания
На панели Обзор развертывания представлены признаки, используемые при обучении модели, и сведения о развертывании.
Обзор развертывания машинного обучения
Если модель по умолчанию в развертывании неактивна, появится уведомление в виде баннера в верхней части экрана. Если имеются соответствующие разрешения, можно активировать модель, нажав Активировать модель. Для получения дополнительной информации см.:
Развертываемые модели
На панели Развертываемые модели можно управлять псевдонимами моделей и настраивать, какие модели будут использоваться для прогнозирования.
Для получения дополнительной информации см. раздел Использование нескольких моделей в развертывании машинного обучения.
Панель Развертываемые модели в Qlik Predict
![Панель 'Развертываемые модели' в интерфейсе развертывания машинного обучения [[[Undefined variable CommonComponents.AutoML]]]](../../Resources/Images/ui-automl_available-models.png "Нажмите для просмотра в полном размере")
Пакетные прогнозирования
В разделе Пакетные прогнозирования можно настраивать и запускать пакетное прогнозирование, используя развертывание машинного обучения. Нажмите Создать прогнозирование, чтобы создать конфигурацию прогнозирования, на основе которой будут создаваться пакетные прогнозирования. Для развертывания машинного обучения можно использовать несколько конфигураций прогнозирования.
Можно использовать меню Действия 
в таблице, чтобы:
-
Просмотр и редактирование сведений о конфигурациях прогнозирования
-
Выполнять прогнозирование на основе существующих конфигураций
-
Изменять и удалять конфигурации
-
Создавать, редактировать и удалять графики прогнозирования для существующей конфигурации
Панель Пакетные прогнозирования с обзором и развернутым меню Действия
При выборе пункта Изменить конфигурацию прогнозирования откроется панель Конфигурация прогнозирования. Модель и схему набора данных для применения можно сравнивать параллельно, редактируя прогноз.
Если развертывание содержит модель с временными рядами, можно просмотреть важные характеристики задачи временных рядов, такие как прогнозное окно, интервал и окно применения.
Панель Пакетные прогнозирования с боковой панелью для конфигурирования прогнозирования
Прогнозирования в реальном времени
Панель Прогнозирования в реальном времени предоставляет доступ к конечной точке прогнозирования в реальном времени в Machine Learning API. Эта панель отображается, если в развертывании машинного обучения активирована модель по умолчанию и используется для получения прогнозов.
Для получения информации о создании прогнозирований в реальном времени см. раздел Создание прогнозирований в реальном времени.
API прогнозирования в реальном времени устарел и заменен конечной точкой прогнозирования в реальном времени в API машинного обучения. Сама функция сохранена. Для будущих сеансов прогнозирования в реальном времени используйте конечную точку прогнозирования в реальном времени в API машинного обучения. Для получения помощи по миграции с API прогнозирования в реальном времени на API машинного обучения, обратитесь к руководству по миграции на портале разработчиков Qlik Cloud.
Панель прогнозов в реальном времени
Мониторинг операций
В разделе Мониторинг операций можно отслеживать информацию об использовании развертывания ML. Можно просматривать подробную информацию о том, как используется развертывание машинного обучения, например, сколько событий прогнозирования выполнено успешно или неудачно, и как обычно инициируются события прогнозирования.
Для получения дополнительной информации см. раздел Мониторинг операций развернутой модели.
Панель Мониторинг операций в развертывании машинного обучения
Мониторинг дрейфа данных
В разделе Мониторинг дрейфа данных можно отслеживать дрейф данных для развертывания машинного обучения.
Мониторинг дрейфа данных позволяет оценить изменения распределения признаков в исходной модели. Если наблюдается значительный дрейф, рекомендуется переобучить или перенастроить модель с учетом последних данных, которые могут указывать на новые закономерности в трендах данных.
Для получения дополнительной информации см. раздел Мониторинг дрейфа данных в развернутых моделях.
Панель Мониторинг дрейфа данных в развертывании машинного обучения
