Работа с машинным обучением в Qlik Answers
Последнее обновление: 09.10.2026Вы можете работать с Qlik Predict автоматизированным машинным обучением, используя технологии на базе ИИ Qlik Answers.
В агентном интерфейсе Qlik Answers вы можете создавать и запускать рабочие процессы машинного обучения на естественном языке. Вы можете исследовать наборы данных, настраивать и обучать эксперименты, а также выполнять прогнозирование прямо в том же интерфейсе чата.
Этот интерфейс Qlik Answers отделен от доступа к возможностям Qlik Predict через MCP-сервер Qlik во внешнем LLM-клиенте. Для получения дополнительной информации см. раздел Сервер MCP Qlik.
Работа с Predict в Qlik Answers
Перед началом работы
Предварительные требования:
-
Для вашего клиента включен межрегиональный вывод — то есть клиент должен быть включен для работы с агентными возможностями Qlik Answers.
-
Ваш клиент и подписка имеют емкость для Qlik Answers и Qlik Predict.
Мониторинг потребления Qlik Predict в зависимости от подписки
-
У вас есть доступ к необходимым наборам данных и Qlik Predict ресурсам.
Открытие Qlik Predict в Qlik Answers
Выполните следующие действия.
-
Нажмите Открыть Answers, чтобы открыть Qlik Answers.
-
В раскрывающемся меню выберите Predict.
Открытие Predict
Сквозные рабочие процессы
Используйте следующие рабочие процессы при работе с Predict.
Шаг 1: исследование набора данных и аналитические выводы
Используйте аналитику набора данных, чтобы оценить качество данных и поля-кандидаты перед обучением. Запрашивайте аналитические данные и рекомендации по таргетингу.
Вам также необязательно знать точное название набора данных, который вы хотите использовать, — вы можете запросить список доступных наборов данных.
| Действие | Примеры вопросов | Примечания |
|---|---|---|
| Выбор набора данных |
|
- |
| Наблюдения по набору данных |
|
Кроме того, вы можете сначала открыть набор данных в Qlik Cloud, а затем задать такие вопросы, как:
|
| Целевая рекомендация |
|
Полезно в качестве вопросов, чтобы следить за ходом анализа после выбора набора данных и изучения аналитических сведений. |
Шаг 2: Обучение и мониторинг эксперимента
Опишите свою цель и позвольте агенту настроить и запустить эксперимент. Поддерживаются такие типы экспериментов, как регрессия и классификация. После выбора набора данных и цели вам будет предложено начать обучение.
Если ранее вы уже запустили рабочий процесс машинного обучения, вы можете попросить Predict отслеживать существующие эксперименты.
| Действие | Примеры вопросов | Примечания |
|---|---|---|
| Обучение эксперимента (с уже выбранным набором данных) |
|
Полезно в качестве последующих вопросов, позволяющих следить за дальнейшими шагами, после выбора обучающего набора данных для использования. |
| Обучение эксперимента (набор данных не выбран) |
|
Эти вопросы помогут вам сразу приступить к работе без необходимости вручную искать наборы данных по названию. |
| Мониторинг экспериментов |
|
- |
Шаг 3: Интерпретация модели и рекомендации
После завершения обучения вы можете запросить интерпретацию поведения модели на понятном языке и рекомендации на основе выходных данных модели.
| Действие | Примеры вопросов | Примечания |
|---|---|---|
| Рекомендации по моделям |
|
Для достижения наилучших результатов необходимо либо открыть эксперимент в браузере, либо указать название эксперимента в запросе. |
| Метрики модели и аналитика |
|
Для достижения наилучших результатов необходимо либо открыть эксперимент в браузере, либо указать название эксперимента в запросе. |
При анализе моделей в чате вы также можете нажать 
Просмотреть источник, чтобы развернуть дополнительные сведения, включая диаграммы (разбивка важности: функциональность, характеристики) и выводы на естественном языке.
Использование функции Просмотр источника для анализа моделей со встроенными диаграммами
Шаг 4: Развертывание, активация и прогнозирование
После обучения вы можете развернуть модель, создав развертывание ML. После того как вы запросите развернуть модель, вам будет предложено подтвердить развертывание.
Вы также можете выполнять пакетное прогнозирование с помощью развернутых моделей. Система выполняет поиск совместимых наборов данных для применения и выводит их список для выбора. Вы также можете использовать запросы на естественном языке для выбора конкретного набора данных для применения.
Развернутые модели активируются автоматически по мере создания прогнозов в зависимости от доступной емкости подписки.
| Действие | Примеры вопросов | Примечания |
|---|---|---|
| Развертывание и мониторинг модели |
|
Полезно в качестве последующих вопросов, позволяющих следить за ходом работы непосредственно после анализа модели. Для достижения наилучших результатов необходимо либо открыть эксперимент в браузере, либо указать название эксперимента в запросе. |
| Прогнозы — отправка запроса |
|
Для получения наилучших результатов необходимо либо открыть развертывание в браузере, либо указать имя развертывания в запросе. |
| Прогнозы — выбор набора данных для применения |
|
Для получения наилучших результатов необходимо либо открыть развертывание в браузере, либо указать имя развертывания в запросе. |
| Прогнозы — статус мониторинга |
|
Для получения наилучших результатов необходимо либо открыть развертывание в браузере, либо указать имя развертывания в запросе. |
| Прогнозы — анализ результатов прогнозирования |
|
Для получения наилучших результатов необходимо либо открыть развертывание в браузере, либо указать имя развертывания в запросе. |
Рекомендации по формулированию вопросов
Для достижения наилучших результатов при работе с Qlik Predict в Qlik Answers следует следить за этими общими рекомендациями:
-
Если вы не знаете, с чего начать, спросите у Predict, что он умеет делать. Qlik Answers может предоставить список поддерживаемых возможностей.
-
Начните новый диалог при смене темы или если вы не получаете нужного ответа.
-
Если вы не получаете нужного ответа, попробуйте предоставить больше деталей и конкретизировать, что именно вы хотите сделать. Например, указание точных названий наборов данных и других ресурсов может помочь Qlik Answers лучше находить их при запуске обучения или выполнении прогнозирования.
-
Переформулируйте вопрос, если с первого раза он не возвращает нужный ответ.
Для получения дополнительной информации см. раздел Рекомендации по общению с Qlik Answers.
Разрешения
Для выполнения сквозных рабочих процессов машинного обучения вам потребуются разрешения как Qlik Answers, так и Qlik Predict.
В частности, необходимо следующее:
-
Профессиональное право пользователя (применимо только к пользовательским подпискам)
-
Требуемое разрешение Агентный ИИ > Анализ данных установлено в значение Разрешено. Это разрешение назначается администратором клиента.
-
Необходимые разрешения Qlik Predict для работы с экспериментами и развертываниями ML, назначенные вам администратором клиента. См.:
-
Доступ к пространствам, где расположены наборы данных, эксперименты и развертывания. См.:
Ограничения
Наборы данных
Обновление и удаление наборов данных
Вы не можете загружать или удалять наборы данных из чата.
Изменение наборов данных
В чате невозможно следующее:
-
Изменение обучающих наборов данных после запуска версии эксперимента.
-
Запуск нескольких прогнозов с различными наборами данных для применения в рамках одного чата.
В качестве временного решения, если вам необходимо обучать эксперименты или выполнять прогнозирование с использованием другого набора данных, сначала начните новый чат. Если вы обучаете эксперименты, для этого также потребуется создать новый эксперимент в новом чате.
Для получения дополнительной информации о начале новых чатов, см. Чат с Qlik Answers.
Большие наборы данных
Чат не поддерживает наборы данных, превышающие любое из следующих ограничений для клиента Qlik Cloud:
-
Максимальный размер набора данных (обучающие наборы данных)
-
Максимальное количество ячеек набора данных (обучающие наборы данных)
-
Максимальное количество включенных столбцов (наборы данных для обучения и применения)
Функции экспериментов
-
Обнаружение предвзятости не поддерживается.
-
Невозможно проанализировать или загрузить отчеты об обучении модели.
-
Невозможно получить доступ к встроенной аналитике (вкладки Сравнение и Анализ) для эксперимента.
-
Все признаки и алгоритмы выбираются для обучения при настройке эксперимента. Нельзя отменить выбор признаков или алгоритмов. Кроме того, для обучения моделей всегда используется интеллектуальная оптимизация — ручная оптимизация не поддерживается.
-
Обучение второй и последующих версий эксперимента невозможно.
Типы моделей
Недоступно для моделей с временными рядами.
Типы прогнозов
Недоступно для прогнозов в реальном времени или на основе коннекторов.
Управление моделями машинного обучения
-
Вы не можете заменить существующую развернутую модель из чата.
-
Вы не можете развернуть несколько моделей из разных версий эксперимента из чата.
-
Невозможно получить доступ к встроенной аналитике (операции с моделями и мониторинг дрейфа) для развертывания.