Jämförelse av modeller

På fliken Jämför i experimentet kan du visa alla modellpoäng och hyperparametrar för de modeller du tränar. Jämföra modeller med inbäddad analys.

När utbildningen är slutförd kan du utföra jämförande analyser av modeller under fliken Jämför. När du har jämfört dina modeller kan du växla till fliken Analysera för detaljerad analys av enskilda modeller. Se Utföra detaljerad modellanalys för mer information.

Arbetsflöde för analys

För att helt förstå resultat av modellträning rekommenderar vi att du genomför en snabbanalys och sedan fortsätter med de ytterligare alternativen på flikarna Jämför och Analysera. Snabbanalys ger en Sammanfattning av modellträning som visar vilka funktioner som har släppts under den intelligenta modelloptimeringen och också visar ett antal autogenererade visualiseringar för snabb användning. Flikarna Jämför och Analysera visar inte Sammanfattning av modellträning men du kan fördjupa dig i modellernas mätvärden och bättre förstå dina modellers kvalitet. Se Utföra snabb modellanalys för mer information om snabbanalys.

Förstå koncepten

Det kan vara bra att ha en grundförståelse för koncepten bakom modellanalys innan du börjar jämföra dina modeller. Se Förstå koncept för modellgranskning för mer information.

Påverkan av optimeringsinställningarna på analys

Din analysupplevelse kan skifta något beroende på om du har använt intelligent modelloptimering eller inte. Intelligent modelloptimering är som standard aktiverat för nya experiment.

Analysera modeller som har tränats med intelligent optimering

Nya experiment körs som standard med intelligent modelloptimering.

Intelligent modelloptimering ger en mer robust träningsprocess som i idealfall är klara att distribuera med lite eller ingen ytterligare förfining. Prestanda för dessa modeller när de distribuerats för användning i produktion beror fortfarande på om de tränats med datauppsättning i hög kvalitet som innehåller relevanta funktioner och data.

Om din version har tränats med intelligent modelloptimering ska du överväga följande:

• Varje modell i versionen kan ha olika funktionsval beroende på hur algoritmen analyserade data.

• Från fliken Modeller kan du läsa Sammanfattning av modellträning för modellen innan du fördjupar dig i vidare analys.Sammanfattning av modellträning visar en sammanfattning av hur AutoML automatiskt optimerade modellen genom att upprepa valet av funktioner och tillämpa avancerade omvandlingar.

Se Intelligent modelloptimering för mer information om intelligent modelloptimering.

Analysera modeller som tränats utan intelligent optimering

Du kan även ha stängt av intelligent modelloptimering för träningens version. Manuell optimering av modeller kan vara användbar om du vill ha mer kontroll över utbildningsprocessen.

Om du använde manuell optimering har alal modeller i versionen samma funktionsval så det behövs ingen Sammanfattning av modellträning.

Inspektera konfigurationen

Under förberedelserna kan funktioner ha uteslutits från att användas i träningen. Detta inträffar oftast på grund av att mer information är känd om data allteftersom träningen fortgår än innan versionen körs.

Efter att ha granskat Sammanfattning av modellträning (visas enbart med intelligent optimering) kan du titta närmare på experimentets konfiguration om du vill kontrollera dessa övriga ändringar.

Gör följande:

1. Växla till fliken Data under experimentet.

2. Se till att du är i Schema-vy.

3. I listrutemenyn väljer du modell från versionen.

4. Analysera modellens schema. Du kanske vill fokusera på kolumnerna Insikter och Funktionstyp och se om några funktioner har förlorats eller har omvandlats till någon annan funktionstyp.

   Till exempel är det möjligt att en funktion som ursprungligen märkts som Eventuell fritext har uteslutits efter att du kört versionen.

   Se Tolka datauppsättningsinsikter för mer information om vad de olika insikterna innebär.

Observera att om du kört versionen med standardalternativet intelligent optimering kan alla modeller ha olika funktionsval på grund av automatisk förfining. Om versionen kördes utan intelligent optimering är funktionsval samma för alla modeller i versionen. Se Intelligent modelloptimering för mer information om intelligent modelloptimering.

Utifrån vad du hittar i den här konfigurationen kanske du behöver returnera till förberedelsskedet för datauppsättningen för att förbättra dina funktionsdata.

Starta en jämförelse av modeller

Gör följande:

• Öppna fliken Jämföra när träningen är klar.

Innehåll i analysen beror på modelltypen som definieras av experimentets mål. Det finns olika mätvärden för olika modelltyper.

Navigera inbäddade analyser

Med hjälp av gränssnittet kan du jämföra modeller med inbäddad analys.

Växla mellan ark

I panelen Ark kan du växla mellan arken i analysen. Varje ark har ett specifikt fokus. Panelen kan expanderas och komprimeras efter behov.

Göra val

Använd urval för att förfina data. Du kan välja modeller, funktioner och andra parametrar. Detta gör att du kan titta närmare på träningsinformationen. I vissa fall kan du behöva göra ett eller flera val för att visualiseringar ska visas. Klicka på datavärden i visualiseringar och filterrutor för att göra urval.

Du kan göra följande med avseende på urval:

• Välja värden genom att klicka på innehåll, definiera intervall och rita.

• Söka i diagram för att välja värden.

• Klicka på ett markerat fält i verktygsfältet högst upp i den inbäddade analysen. Det gör att du kan söka i befintliga urval, låsa och låsa upp dem samt modifiera dem ytterligare.

• I verktygsfältet högst upp i den inbäddade analysen klickar du på för att ta bort ett urval. Radera alla urval genom att klicka på ikonen .

• Gå framåt eller bakåt i urvalen genom att klicka på och .

Analyserna innehåller filterrutor som gör det enklare att förfina data. I en filterruta klickar du i markeringsrutan för ett värde för att göra ett urval. Om filterrutan har flera markeringsrutor kan du klicka på en listruta för att expandera den och sedan göra önskade urval.

Anpassa tabeller

Du kan anpassa utseende och känsla för tabellvisualiseringarna óch även välja vilka kolumner som ska visas i dem. Tabellerna kan anpassas med följande alternativ:

• Justera kolumnbredd genom att klicka på och dra den yttre kanten på kolumnen

• Klicka på en kolumnrubrik för att:

  • Justera sortering i kolumnen

  • Söka efter värden i kolumnen

  • Tillämpa urval

Ladda data

Klicka på Läsa in data på nytt för att uppdatera analysen med senaste träningsdata. Om du eller andra användare kör ytterligare versioner av träningen efter att du har öppnat analysen måste du läsa in data på nytt för att visualisera dessa nyare versioner.

Exportera data till katalogen

Du kan exportera de data som används i analysen av modelljämförelsen till katalogen. Data exporteras till ett utrymme i Qlik Cloud-analys. Du kan använda de exporterade uppgifterna för att skapa dina egna Qlik Sense-appar för anpassad analys.

Mer information finns i Exportera data för modellutbildning.

Rangordna modeller efter specifika mätvärden

Modelljämförelsen innehåller interaktiva diagram som visualiserar modellerna jämförda med varandra för specifika mätvärden. Använd filterrutorna nedanför resp. diagram för att visualisera olika mätvärden. Med denna anpassning kan du visa de mätvärden som är mest intressanta för din användningsfallsprognos.

Jämföra modellers poäng och värden för hyperparametrar

I arket Detaljer visas modellernas poäng och hyperparametrar i tabellformat. Med filterrutorna till vänster i arket kan du lägga till och ta bort modeller och mätvärden efter behov.

Jämförelse av poäng för undantagna data och poäng för träningen

I arket Detaljer visas de mätvärden som baseras på automatiskt undantagna data (data som används för att validera modellprestanda efter träning). Du kan även lägga till mätvärden för träningsdata i tabellen Mätvärden för modell för jämförelse med poäng för undantagna data. Dessa poäng är ofta likartade, men om de varierar kraftigt finns det troligen ett problem med dataläckage eller överanpassning.

Gör följande:

1. På fliken Jämför öppnar du arket Detaljer.

2. I delavsnittet Kolumner att visa till vänster i arket expanderar du filterrutan Mätvärden.

3. Markera och avmarkera rutor för att ändra kolumner efter behov. Mätvärden för träningsdata finns tillgängliga att lägga till som kolumner.

Kolumnerna läggs till i tabellen Modellmätvärden.