Загрузка отчетов об обучении модели

Вы можете загрузить отчеты о моделях, обученных в эксперименте. Этот отчет содержит подробную информацию о процессах, использованных для обучения модели и других моделей (при наличии) в эксперименте машинного обучения. Можно загрузить отчеты об обучении из эксперимента или развертывания машинного обучения только при наличии доступа к ним. Отчеты об обучении предоставляются в формате PDF.

Администраторы также могут загрузить отчеты об обучении из центра активности Администрирование. Для получения дополнительной информации см. раздел Загрузка отчетов об обучении модели (администраторы).

Отчет об обучении в эксперименте — Отчет об обучении в машинном обучении

Сценарии применения

С отчетами об обучении моделей вы можете:

Глубже изучать процессы, которые обучают ваши модели, например, для целей аудита.
Легко делиться подробностями об обучении моделей с пользователями за пределами Qlik Cloud.

Создание отчета об обучении модели

Из эксперимента

Выполните следующие действия.

Открыть эксперимент машинного обучения.
Перейдите на вкладку Модели.
Выберите модель.
В правом верхнем углу нажмите Загрузить отчет об обучении.
В диалоговом окне при желании включите опцию Включить информацию обо всех моделях в эксперименте.

При активации эта настройка генерирует расширенный отчет, содержащий информацию обо всех моделях, обученных в эксперименте.
При необходимости нажмите Предварительный просмотр, чтобы просмотреть отчет, не загружая его. В зависимости от вашего браузера, возможно, потребуется повторить это действие несколько раз.
Нажмите Загрузить.Отчет генерируется и сохраняется в локальную папку «Загрузки».

Вы также можете сгенерировать отчет об обучении, нажав Меню «Троеточие» на модели и выбрав Загрузить отчет об обучении.

Из развертывания машинного обучения

Выполните следующие действия.

Откройте развертывание машинного обучения.
Перейдите на вкладку Развертываемые модели.
В разделе Все модели в развертывании щелкните рядом с моделью.
Выберите Загрузить отчет об обучении.
В диалоговом окне при необходимости включите Включить информацию обо всех моделях в эксперименте.

При активации этот параметр генерирует расширенный отчет, содержащий информацию обо всех моделях, обученных в эксперименте. См. раздел Полная и выборочная версии.
При необходимости щелкните Предварительный просмотр, чтобы просмотреть отчет без его загрузки. В зависимости от вашего браузера, возможно, потребуется повторить попытку несколько раз.
Нажмите Загрузить.Отчет генерируется и сохраняется в локальную папку «Загрузки».

Как администратор

Что входит в отчет об обучении

В отчете об обучении подробно изложена следующая информация. Некоторая информация выводится только в полной версии отчета об обучении. Для получения дополнительной информации см. раздел Полная и выборочная версии.

Кто создал эксперимент
Когда эксперименты и модель были обучены
Местоположение и название ресурсов, использованных в обучении
Сколько версий и моделей имеет эксперимент
Алгоритмы, использованные в обучении моделей
Информация об используемых тренировочных наборах данных – например, сколько данных они содержат
Обработка тренировочных данных, которая выполнялась до и во время обучения
Метрики модели для тренировочных и контрольных (отложенных) данных
Данные гиперпараметров
Результаты обнаружения смещения

Полная и выборочная версии

При загрузке отчета об обучении пользователь может включить настройку Включить информацию обо всех моделях в эксперименте. Этот параметр определяет, в какой версии будет сформирован отчет: полной или выборочной.

Если выбрано Включить информацию обо всех моделях в эксперименте, генерируется полная версия отчета. Этот отчет содержит дополнительную информацию о других моделях, обученных в эксперименте.

В выборочной версии отчета содержится только информация о выбранной модели. Информация о других моделях эксперимента в отчет не добавляется.

Интерпретация терминов в отчете об обучении

При анализе отчетов об обучении предполагается, что вы понимаете упомянутые технические термины. Большинство терминов объясняются в справочной документации Qlik Predict.

В следующей таблице приведены определения содержимого отчета, а также полезные разделы справки.

Понимание терминов в отчете об обучении
Термин	Значение	Связанный контент
Пакеты	Относится к количеству пакетов моделей, обученных в эксперименте. При использовании интеллектуальной оптимизации моделей обучение моделей происходит итеративными пакетами для повышения производительности и результатов обучения. Напротив, версия эксперимента, которая не использует интеллектуальную оптимизацию моделей — то есть ручную оптимизацию — обучает модели в одном пакете.	-
Разведочный анализ данных	Относится к исследовательскому анализу данных. Это термин для автоматического набора операций обработки, которые выполняются с обучающими данными до начала обучения модели.	Настройка эксперимента
Кодирование, Кодирование влияния, Однократное кодирование	Относится к обработке, применяемой к данным характеристик, чтобы сделать их более пригодными для использования при обучении модели.	Категориальное кодирование
Конструирование признаков	Относится к многочисленным процессам, которые приводят к новым характеристикам. Это могут быть новые характеристики, которые представлены как совершенно новые сущности, а также характеристики, которые создаются посредством кодирования и обработки свободного текста.	Создание новых столбцов признаков Автоматическое создание признаков Категориальное кодирование
Пятикратная перекрестная проверка	Относится к перекрестной проверке, которая выполняется на моделях после каждой итерации обучения.	Отложенные данные и перекрестная проверка
Оптимизация	Относится к тому, использовалась ли при обучении модели интеллектуальная или ручная оптимизация.	Работа с оптимизацией модели
Коэффициент выборки	Относится к тому, какая часть обучающего набора данных использовалась для обучения модели. При использовании интеллектуальной оптимизации модели, модели иногда могут обучаться на менее чем 100% исходного набора данных, особенно для очень больших наборов данных. В отличие от этого, версия эксперимента, которая не использует интеллектуальную оптимизацию модели — то есть ручную оптимизацию — всегда использует 100% обучающего набора данных.	Создание выборки данных для обучения
Разделение	Относится к автоматическому разделению обучающего набора данных на обучающие и контрольные данные. Контрольные данные не используются для обучения модели, а вместо этого для тестирования производительности модели.	Отложенные данные и перекрестная проверка
П=Переопределение пользователем	Относится к действию пользователя по ручному изменению типа функциональности от автоматически определенного типа функциональности.	Изменение типов признаков
Целевой исход	Значение целевого столбца, которое прогнозируется моделью.	Обнаружение предвзятости в моделях машинного обучения

Разрешения

Разрешения для загрузки из эксперимента машинного обучения

Для экспорта отчета об обучении из эксперимента машинного обучения необходим доступ, разрешающий просмотр эксперимента. Другими словами, требуется следующее:

Профессиональное право пользователя (применяется только к подпискам на основе пользователей).
Одно из следующего:
- Automl Experiment Contributor встроенная роль безопасности
- Automl Deployment Contributor встроенная роль безопасности
- Управление экспериментами машинного обучения разрешение установлено в Разрешено через User Default или пользовательскую роль безопасности
- Управление развертываниями ML разрешение установлено на Разрешено через User Default или пользовательскую роль безопасности
- Управление экспериментами и развертываниями ML разрешение администратора установлено на Разрешено через пользовательскую роль безопасности
Для экспериментов в общих пространствах одна из следующих ролей в пространстве:
- Владелец (пространства)
- Может управлять
- Может изменять
- Может просматривать

Разрешения для загрузки из развертывания машинного обучения

Для экспорта отчета из развертывания машинного обучения необходимы права, разрешающие просмотр как развертывания, так и эксперимента, из которого было развернуто машинное обучение.

Другими словами, требуется следующее:

Профессиональное право пользователя (применяется только к подпискам на основе пользователей).
Одно из следующего:
- Встроенная роль безопасности Automl Experiment Contributor
- Встроенная роль безопасности Automl Deployment Contributor
- В разрешении Управление экспериментами машинного обучения установите Разрешено через User Default или настраиваемую роль безопасности
- В разрешении Управление развертываниями машинного обучения установите Разрешено через User Default или настраиваемую роль безопасности.
- В разрешении администратора Управление развертываниями и экспериментами машинного обучения установите Разрешено через настраиваемую роль безопасности.
Для экспериментов в общих пространствах одна из следующих ролей в пространстве:
- Владелец (пространства)
- Может управлять
- Может изменять
- Может просматривать
Для развертываний в общих пространствах одна из следующих ролей в пространстве:
- Владелец (пространства)
- Может управлять
- Может изменять
- Может просматривать
Для развертываний в управляемых пространствах одна из следующих ролей в пространстве:
- Владелец (пространства)
- Может управлять
- Может участвовать
- Может просматривать

Ограничения

Отчеты об обучении доступны только для экспериментов машинного обучения, созданных в конце июля 2025 года и позже.

Помогла ли вам эта страница?

Если вы обнаружили какую-либо проблему на этой странице или с ее содержанием — будь то опечатка, пропущенный шаг или техническая ошибка, сообщите нам об этом!

Оставьте свой отзыв здесь