Hämta ML-träningsrapporter som administratör
Administratörer kan hämta träningsrapporter för distribuerade maskininlärningsmodeller som tränats med Qlik Predict. Träningsrapporter innehåller omfattande detaljer om processerna som tränade en modell, och eventuellt andra modeller i ML-experimentet. Träningsrapporter är i PDF-format.
Användare utan administratörsbehörighet kan också hämta träningsrapporter från ML-experiment och ML-distributioner. Mer information finns i Hämta ML-träningsrapporter.
ML-träningsrapport
Användningsfall
Med rapporter om modellträning kan du:
-
Fördjupa dig i processerna som tränar dina modeller – till exempel för revisionsändamål.
-
Enkelt dela detaljer om modellträning med användare utanför Qlik Cloud.
Generera en träningsrapport
Från aktivitetscentret för Administration
Gör följande:
-
Gå till Qlik Predict i Administration.
-
Öppna fliken Distribuerade modeller.
- Klicka
bredvid en modell i tabellen. -
Välj Hämta träningsrapport.
-
I dialogrutan, valfritt på Inkludera information om alla modeller i experimentet.
När den aktiverades genererade denna inställning en utökad rapport som innehöll information om alla modeller som tränats i experimentet.
-
Vid behov klickar du på Förhandsgranska för att visa rapporten utan att hämta den. Beroende på din webbläsare kan du behöva försöka detta mer än en gång.
-
Klicka på Hämta.Rapporten genereras och sparas i din lokala mapp för nedladdningar.
Från ett ML-experiment
Gör följande:
-
Öppna ett ML-experiment.
-
Gå till fliken Modeller.
-
Välj en modell.
-
I det övre högra hörnet klickar du på Hämta träningsrapport.
-
I dialogrutan, markera valfritt Inkludera information om alla modeller i experimentet.
När den aktiveras genererar denna inställning en utökad rapport som innehåller information om alla modeller som tränats i experimentet.
-
Vid behov klickar du på Förhandsgranska för att visa rapporten utan att hämta den. Beroende på din webbläsare kan du behöva försöka detta mer än en gång.
-
Klicka på Hämta.Rapporten genereras och sparas i din lokala nedladdningsmapp.
Du kan också generera en träningsrapport genom att klicka på på en modell och välja Hämta träningsrapport.
Från en ML-distribution
Gör följande:
-
Öppna ML-distribution
-
Gå till Modeller som kan distribueras-fliken.
-
Under Samtliga modeller i distributionen klickar du på
bredvid en modell. -
Välj Hämta träningsrapport.
-
I dialogrutan, valfritt aktivera Inkludera information om alla modeller i experimentet.
När den aktiverades, genererade den här inställningen en utökad rapport som innehåller information om alla modeller som tränats i experimentet. Se Fullständiga och fokuserade versioner.
-
Vid behov klickar du på Förhandsgranska för att visa rapporten utan att hämta den. Beroende på din webbläsare kan du behöva försöka detta mer än en gång.
-
Klicka på Hämta.Rapporten genereras och sparas i din lokala nedladdningsmapp.
Vad ingår i en utbildningsrapport
I träningsrapporten beskrivs följande information i detalj. Viss information finns kanske bara med om du hämtar den fullständiga versionen av träningsrapporten. Mer information finns i Fullständiga och fokuserade versioner.
-
Vem skapade experimentet
-
När experiment och modell tränades
-
Plats och namn på resurser som använts i träningen
-
Hur många versioner och modeller experimentet har
-
Algoritmerna som har använts för att träna modeller
-
Information om de träningsdatauppsättningar som har används, t.ex. hur mycket data de innehåller
-
Bearbetning som utfördes på träningsdata före och under träningen
-
Modellmått för både tränings- och holdout-data
-
Hyperparameterdata
Fullständiga och fokuserade versioner
När en träningsrapport hämtas kan användaren aktivera inställningen Inkludera information om alla modeller i experimentet. Den här inställningen bestämmer om den fullständiga eller fokuserade versionen av rapporten ska genereras.
När inställningen Inkludera information om alla modeller i experimentet är aktiverad genereras den fullständiga versionen av rapporten. Den här rapporten innehåller ytterligare information om andra modeller som tränats i experimentet.
Den fokuserade rapporten innehåller istället endast information om den valda modellen. Information om andra modeller i experimentet ingår inte.
Tolka termer i utbildningsrapporten
När du analyserar träningsrapporter förutsätts det att du har en förståelse för de tekniska termer som refereras. De flesta termer förklaras i hjälpdokumentationen Qlik Predict.
Följande tabell innehåller definitioner för innehåll i rapporten, tillsammans med användbara hjälpämnen.
| Avtalsperiod: | Betydelse | Associerat innehåll |
|---|---|---|
| Batcher |
Avser hur många omgångar av modeller som tränades i experimentet. Vid användning av intelligent modelloptimering tränas modeller i iterativa omgångar för att förbättra träningsprestanda och resultat. Däremot tränar en experimentversion som inte använder intelligent modelloptimering – det vill säga manuell optimering – modeller i en enda omgång. |
- |
| EDA | Avser utforskande dataanalys. Detta är en term för en automatisk uppsättning bearbetning som utförs på träningsdata innan modellträningen påbörjas. | Experimentkonfiguration |
| Kodning, Impact-kodad, One-hot-kodning | Avser bearbetning som tillämpas på funktionsdata för att göra den mer användbar vid modellträning. | Kategorisk kodning |
| Funktionsgenerering | Avser många processer som resulterar i nya funktioner. Dessa kan vara nya funktioner som exponeras som helt nya entiteter, och även funktioner som skapas genom kodning och fritextbearbetning. | |
| Femfaldig korsvalidering | Avser den korsvalidering som utförs på modeller efter varje träningsiteration. | Undantagna data och korsvalidering |
| Optimering | Avser huruvida modellträningen använde intelligent eller manuell optimering. | Arbeta med modelloptimering |
| Samplingskvot | Avser hur stor del av träningsdatauppsättningen som användes för att träna modellen. Vid användning av intelligent modelloptimering kan modeller ibland tränas på mindre än 100 % av den ursprungliga datauppsättningen, särskilt för mycket stora datauppsättningar. Däremot använder en experimentversion som inte använder intelligent modelloptimering – det vill säga manuell optimering – alltid 100 % av träningsdatauppsättningen. |
Sampling av träningsdata |
| Dela | Avser en automatisk delning av träningsdatauppsättningen i tränings- och hållardata. Hållardatan används inte för modellträning, utan istället för att testa modellprestanda. | Undantagna data och korsvalidering |
| U=Användaråsidosättning | Avser användaråtgärden att manuellt ändra funktionstypen från den automatiskt identifierade funktionstypen. | Ändra funktionstyper |
Behörigheter och krav för att hämta utbildningsrapporter
Behörigheter och krav för att hämta från Administration aktivitetscenter
För att exportera en träningsrapport från Administration aktivitetscenter måste modellen distribueras till minst en ML-distribution.
Du behöver också visningsåtkomst till maskininlärningsinnehåll. Med andra ord, som administratör måste du ha något av följande:
-
Rollen Tenant Admin
-
Rollen Analytics Admin
-
Hantera ML-experiment och distributioner administratörsbehörighet inställd på Tillåtet via User Default eller anpassad säkerhetsroll
Behörigheter för hämtning från ML-experiment och distributioner
Med något av följande kan en administratör hämta träningsrapporter från ML-experiment och ML-distributioner:
-
Rollen Tenant Admin
-
Rollen Analytics Admin
-
Hantera ML-experiment och distributioner administratörsbehörighet inställd på Tillåtet via User Default eller anpassad säkerhetsroll
Begränsningar
-
Träningsrapporter är endast tillgängliga för ML-experiment som skapats i slutet av juli 2025 eller senare.