# Работа с оптимизацией модели

Можно настраивать модели для обучения с использованием доступных функций оптимизации или вручную.

## Интеллектуальная оптимизация модели

По умолчанию Qlik Predict использует для автоматического уточнения моделей технологию интеллектуальной оптимизации, основанную на итерационном выборе признаков и применении расширенных преобразований. Чтобы обеспечить более полный контроль процесса обучения, эту функцию можно отключить для каждой версии эксперимента.

Для получения дополнительной информации см. раздел [Интеллектуальная оптимизация моделей](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/intelligent-model-optimization.htm).

## Оптимизация гиперпараметров

Выполняйте тонкую настройку моделей, используя расширенные функции машинного обучения.

Для получения дополнительной информации см. раздел [Оптимизация гиперпараметров](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/hyperparameter-optimization.htm).

## Создание моделей с учетом времени

В моделях классификации и регрессии можно использовать обучение на основе времени, если обучающие данные зависят от информации о дате или времени.

Для получения дополнительной информации см. раздел [Создание моделей с учетом времени](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-aware-models.htm).

## Подробнее

* [Configuring experiments](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm)