Navigera i gränssnittet för ML-distribution

När du öppnar din ML-distribution kan du genomföra åtgärder för hantering och övervakning och använda den för att generera prognoser för datauppsättningar.

Öppna en ML-distribution från katalogen. Det finns navigeringsalternativ för följande:

• Modellgodkännande

• Information om distribution

• Förutsägelser för datauppsättning

• Prognoser i realtid

• Övervakning av datadrift och drift

Modellgodkännandestatus

Innan ML-distributionen kan börja generera prognoser måste källmodellen aktiveras. Denna process kallas för modellgodkännande och hjälper till att kontrollera antalet aktivt använda distribuerade modeller i prenumerationen.

Om du har rätt behörigheter kan du aktivera och inaktivera källmodellen efter behov. Kontakta annars en klientorganisationsadministratör eller annan användare med tillräckliga behörigheter.

Se:

• Godkänna distribuerade modeller

• Arbeta med modellgodkännande som administratör

Distributionsöversikt

I Driftsättningsöversikt visas de funktioner som används i modellträningen och detaljer om driftsättningen.

Förutsägelser för datauppsättning

I Prognoser för datauppsättning visas en översikt över prognoskonfigurationerna för ML-driftsättningen. Du kan ha flera prognoskonfigurationer för en ML-driftsättning.

Du kan använda menyn Åtgärder för att köra, redigera eller radera prognoser. Du kan också redigera och ta bort prognosscheman från den här menyn.

Om inget schema för närvarande är konfigurerat för din prognos kan du också använda menyn Åtgärder för att skapa ett nytt prognosschema.

Om du väljer Redigera prognoskonfiguration öppnas fönstret Prognoskonfiguration.

Prognoser i realtid

Fönstret Prognoser i realtid ger dig tillgång till API:et för prognoser i realtid. Om modellen i ML-distrubtionen är aktiverad för att göra förutsägelser är den här rutan synlig.

Information om API:et för prognoser finns i Skapa realtidsprognoser.

Modellövervakning

Du kan övervaka datadrift och drift för ML-distributionen. För att utföra modellövervakning öppnar du fönstret för Övervakning av datadrift.

Med övervakning av datadrift kan du bedöma förändringar i fördelningen av funktioner i källmodellen. När betydande förändringar observeras rekommenderas att du omskolar eller omkonfigurerar din modell för att ta hänsyn till de senaste uppgifterna, som kan indikera nya mönster i datamodellerna.

Mer information finns i Övervakning av datadrift i distribuerade datamodeller.

Med driftövervakning kan du visa detaljer om hur ML-distributionen används, t.ex. hur många prognoshändelser som lyckas eller misslyckas och hur prognoshändelser vanligtvis triggas.

Mer information finns i Övervakning av distribuerad modelldrift.

Visa ML-experiment

Klicka på Visa ML-experiment i det nedre vänstra hörnet av sidan för att öppna ML-experimentet som ML-distributionen skapades från.