Konfigurera experiment

Konfigurationen av experiment består av att välja målet och de funktioner som modellen ska använda för att förutsäga målet. Du kan även konfigurera ett antal valfria inställningar.

För att hjälpa dig att välja ett mål analyseras den historiska datamängden och sammanfattande statistik visas för varje kolumn i datamängden. Flera automatiska förbearbetningssteg tillämpas på datamängden för att säkerställa att endast lämpliga data inkluderas. Mer information om dataförbearbetning finns i Automatisk förberedelse och omvandling av data.

Efter att du har kört v1 kan du skapa nya experimentversioner om det behövs för att ytterligare förfina modellträningen. Mer information finns i Förfina modeller.

Krav och behörigheter

Mer information om användarkrav för att arbeta med ML-experiment finns i Arbeta med experiment.

Gränssnittet

Följande delavsnitt beskriver hur du navigerar i experimentgränssnittet för att konfigurera ditt experiment. Mer information om gränssnittet finns i Navigera i experimentgränssnittet.

Fliknavigering

När du skapar ett experiment öppnas fliken Konfiguration. Det är här du kan konfigurera målet och funktionerna för experimentet.

Efter att du har kört minst en experimentversion ändras fliken Konfiguration till Träningsdata. Andra flikar blir också tillgängliga. Dessa andra flikar låter dig analysera de modeller som du precis har tränat i versionen. Om du behöver konfigurera efterföljande versioner med andra funktionsval kan du återgå till fliken Träningsdata.

Schemavy och Datavy

På fliken Konfiguration/Träningsdata kan du växla mellan följande vyer:

• Schemavy: Standardvyn. I den här vyn representeras varje kolumn i din datamängd av en rad i schemat med information och statistik.

• Datavy: En alternativ vy som du kan använda för att få tillgång till mer information och exempeldata för varje kolumn.

Panel för experimentkonfiguration

I panelen för experimentkonfiguration kan du anpassa experimentträningen ytterligare. Den här panelen är öppen som standard i nya experiment.

Efter att du har kört en version klickar du på Visa konfiguration för att öppna panelen och konfigurera nästa version.

Med panelen för experimentkonfiguration kan du:

• Välj ett mål och en experimenttyp

• Ange ett versionsnamn

• Lägg till eller ta bort funktioner

• Konfigurera en ny version av experimentet

• Visa vilken typ av modell du tränar

• Välj att ändra eller uppdatera träningsdatauppsättningen

• Lägg till eller ta bort algoritmer

• Ändra inställningar för modelloptimering

• För tidsseriemodeller anger du prognosinställningarna

• Konfigurera biasdetektering

Välja funktionskolumner

När målet har angetts kan du välja vilka av de andra tillgängliga kolumnerna som ska inkluderas i träningen av modellen. Uteslut alla funktioner som du inte vill ska ingå i modellen. Observera att kolumnen kommer att finnas kvar i datamängden men inte kommer att användas av träningsalgoritmen.

Längst upp i panelen för experimentkonfiguration kan du se antalet celler i din datamängd. Om antalet överskrider gränsen för din datamängd kan du utesluta funktioner för att komma under gränsen.

Du kan välja funktionskolumnerna på olika sätt:

I Schemavy och Datavy

I huvudvyerna kan du:

• Avmarkera Inkludera alla tillgängliga funktioner och välj sedan endast de som du vill inkludera.

• Avmarkera manuellt kryssrutorna för de funktioner som du inte vill inkludera.

• Göra en sökning och utesluta eller inkludera alla funktioner i ditt filtrerade sökresultat.

I panelen för experimentkonfiguration

I panelen för experimentkonfiguration kan du:

• Avmarkera manuellt kryssrutorna för de funktioner som du inte vill inkludera.

• Efter att du har kört den första versionen av experimentet kan du definiera Antal främsta funktioner att inkludera.

När du väljer funktioner tilldelas de automatiskt en funktionstyp. De möjliga funktionstyperna är:

• Kategorisk

• Numerisk

• Datum

• Fritext

Funktionstypen tilldelas baserat på de data som finns i funktionskolumnen. Om en funktion uppfyller vissa kriterier kan den väljas för att ligga till grund för automatiskt genererade funktioner. Om du vill kan du ändra om funktionen ska användas för automatisk funktionsteknik. Fullständig information om automatisk funktionsteknik finns i Automatisk egenskapsgenerering.

Vissa kolumner i din datamängd kanske inte kan väljas som funktioner för ditt experiment, eller så kan de ha specifik bearbetning tillämpad på sig. Förklaringar av hur dina data tolkas och bearbetas visas när du navigerar i experimentträningen. Mer information finns i Tolka insikter om datamängder.

Välja algoritmer

Alla tillgängliga algoritmer inkluderas som standard och du kan utesluta de algoritmer som du inte vill använda. Normalt gör du detta som en del av modellförfiningen när du har sett de första träningsresultaten. Läs mer i Förfina modeller.

Ändra funktionstyper

När en datamängd läses in behandlas kolumnerna som kategoriska, numeriska, datum eller fritext baserat på datatyp och andra egenskaper. I vissa fall kanske du vill ändra den här inställningen.

Om till exempel veckodagarna representeras av siffrorna 1–7 representerar varje siffra ett kategoriskt värde. Som standard behandlas det som ett kontinuerligt rangordnat numeriskt värde, så du skulle behöva ändra konfigurationen manuellt för att behandla det som kategoriskt.

När en kolumn identifieras som att den innehåller datum- och tidsinformation används den som bas för nya genererade automatiska funktioner. När detta händer behandlas den ursprungliga kolumnen (den överordnade funktionen) som att den har funktionstypen datum.

Du kan ändra den överordnade funktionen från en datumfunktion till en kategorisk eller numerisk funktion. Detta är till exempel användbart när en funktion identifieras som ett datum, men du behöver att den behandlas som en sträng eller ett tal. När du gör detta kan du inte längre använda dess automatiskt genererade funktioner i experimentträningen.

Gör följande:

1. I Schemavy letar du reda på funktionen.

2. I kolumnen Funktionstyp för den här funktionen klickar du på .

3. Välj ett värde i listan.

Du kan alternativt ändra funktionstyper från Datavy. Leta reda på funktionen och klicka sedan på bredvid den aktuella funktionstypen. Välj ett värde i listan.

Tidsserieprognoser

Om du tränar ett tidsserieexperiment tillämpas vissa funktionstypstransformeringar automatiskt beroende på din konfiguration. Om du till exempel väljer några grupper som ska användas för multivariat prognostisering ändras funktionstyperna för dessa grupper automatiskt till kategoriska.

Inverkan på förutsägelser

När du ändrar funktionstypen för en funktion manuellt och sedan distribuerar en resulterande modell, kommer åsidosättandet av funktionstypen att tillämpas på funktionen i den tillämpade datauppsättningen som används i prognoser som görs med den modellen.

Ändra datamängd

Du kan ändra träningsdatamängden innan du kör den första experimentversionen, samt efter att du har kört valfri version.

Om du ändrar datamängden innan du kör den första versionen förlorar du alla konfigurationer som du har gjort innan du ändrade datamängden.

Gör följande:

1. I panelen för experimentkonfiguration under Träningsdata > Granska datamängd klickar du på Ändra datamängd.

2. Välj en ny datamängd.

Mer information om att ändra och uppdatera datamängden under modellförfining (efter att ha kört en experimentversion) finns i Ändra och uppdatera datamängden.

Konfigurera modelloptimering

Om din experimenttyp är binär klassificering, flerklassificering eller regression kan du justera följande inställningar för att optimera dina modeller:

• Slå på eller av intelligent modelloptimering

• Slå på eller av hyperparameteroptimering

• Slå på eller av tidsmedveten träning

Dessa alternativ kan slås på eller av för varje version av experimentet som du kör.

Konfigurera intelligent optimering

Som standard använder experimentet intelligent modelloptimering. Med intelligent modelloptimering hanterar Qlik Predict modellförfiningen åt dig genom att iterera funktionsval och tillämpvancerade transformeringar på dina data.

Mer information om intelligent optimering finns i Intelligent modelloptimering.

Du kan stänga av den här inställningen för att manuellt förfina de modeller du tränar. Du kanske till exempel vill starta din modellträning med intelligent modelloptimering och sedan byta till manuell förfining för v2 för att justera konfigurationen ytterligare.

Gör följande:

1. Klicka på Visa konfiguration.

2. Om du redan har kört minst en version av experimentet klickar du på Ny version.

3. I panelen expanderar du Modelloptimering.

4. Växla från Intelligent till Manuell.

5. Använd skjutreglaget för att ställa in den maximala körtiden för träningen.

Konfigurera hyperparameteroptimering

Du kan optimera modellerna med hjälp av hyperparameteroptimering. Observera att detta är ett avancerat alternativ som kan öka träningstiden avsevärt. Hyperparameteroptimering är tillgänglig om du stänger av intelligent optimering.

Mer information finns i Hyperparameteroptimering.

Gör följande:

1. Klicka på Visa konfiguration.

2. Om du redan har kört minst en version av experimentet klickar du på Ny version.

3. I panelen expanderar du Modelloptimering.

4. Växla från Intelligent till Manuell.

5. Markera kryssrutan Hyperparameteroptimering.

6. Du kan även ange en tidsgräns för din optimering. Standardtidsgränsen är en timme.

Konfigurera tidsmedveten träning

Om du vill att dina modeller ska tränas med hänsyn till en tidsseriedimension aktiverar du tidsmedveten träning för experimentversionen. För att använda detta alternativ måste du av en kolumn i din datamängd som innehåller den relevanta tidsserieinformationen.

När tidsmedveten träning är påslagen använder Qlik Predict specialiserade processer för korsvalidering och null-imputering för att träna modellerna.

Mer information finns i Skapa tidskänsliga modeller och Tidsbaserad korsvalidering.

Gör följande:

1. Klicka på Visa konfiguration.

2. Om du redan har kört minst en version av experimentet klickar du på Ny version.

3. I panelen expanderar du Modelloptimering.

4. Under Tidsbaserad test-träningsuppdelning väljer du Datumindex som ska användas för att sortera data.

Visa insikter om träningsdata

På fliken Konfiguration/Träningsdata i experimentet kan du visa insikter om hanteringen av träningsdata. Den här informationen är tillgänglig i kolumnen Insikter i Schemavy. Informationen som visas beror på om du har kört en version med aktuella träningsdata eller inte. Ändringarna i kolumnen Insikter kan hjälpa dig att identifierar varför funktioner kanske inte är tillgängliga för användning, eller varför de har tagits bort automatiskt.

Mer information om vad varje insikt betyder finns i Tolka insikter om datamängder.