Navigera i experimentets gränssnitt

Ett flikbaserat gränssnitt gör att du kan navigera mellan olika processer under modellträningen. Med de olika flikarna och experimentkonfigurationspanelen kan du utföra ett antal olika uppgifter som hjälper dig att träna och optimera din modell.

Verktygsfält

Du växlar mellan de olika flikarna i gränssnittet i verktygsfältet.

I verktygsfältet kan du även göra följande:

Beroende på vilken flik du är kan du växla mellan dina tränade modeller.
Klicka på Visa konfiguration för att modifiera experimentträningen ytterligare, granska aktuell version eller börja konfigurera en ny version.

Verktygsfält i ett ML-experiment — Verktygsfält i ett AutoML-experiment

Data

På denna flik kan du hantera data i experimentet. När du först skapar experimentet är detta den enda flik som visas. När experimentet tränas kan du växla till andra flikar för modellanalys.

På fliken Data kan du:

Välja ett mål innan du tränar den första versionen
Lägga till eller ta bort funktioner.
Visa framtida datauppsättningsinsikter och statistik.
Välja en ny datauppsättning för träning.

Växla mellan Schema Schemavy och Tabell Datavy för olika visningar av datauppsättningen för träning.

Fliken "Data" i ett ML-experiment innan användaren har kört någon version av träningen — Fliken Data i ett AutoML-experiment

Modeller

Göra snabbanalys av träningsresultaten. På fliken Modeller kan du snabbt förstå och jämföra metrik för respektive modell. Vill du göra mer detaljerad modellanalys kan du använda flikarna Jämför och Analysera.

Klicka på en modell i tabellen Mätvärden för modeller för att visa den:

Prestandapoäng.
Sammanfattning av modellträning (tillgänglig med intelligent modelloptimering).
Visualiseringar av funktionsbetydelse.
Andra visualiseringar som är specifika för experimenttypen.

Se Utföra snabb modellanalys för mer information.

Fliken "Modeller" i ett ML-experiment som visar sammanfattning, metrik för kärnmodell samt autogenererade visualiseringar — Fliken Modeller i ett AutoML-experiment som tränats med intelligent modelloptimering

Jämföra

Jämför dina modeller på detaljnivå med inbäddad analys Gör urval och anpassa data som presenteras i instrumentpaneler för att få fram insikter om modeller.

På fliken Jämför kan du:

Komma åt all tillgänglig modellmetrik och hyperparametrar.
Jämföra träningsmetrik och undantagen metrik mellan modeller.

Se Jämförelse av modeller för mer information.

Jämförande modellanalys i ML-experiment — Fliken Jämför i ett ML-experiment

Analysera

Fördjupa dig med inbäddad analys för varje modell du tränar.

På fliken Analysera kan du:

Vidare analysera prognosnoggrannhet.
Utvärdera funktionsbetydelse på granulär nivå.
Visa distribution av funktionsdata

Se Utföra detaljerad modellanalys för mer information om detaljerad modellanalys.

Fliken "Analysera" i ett ML-experiment som visar prognosnoggrannhet och funktionsbetydelse — Fliken Analysera i ML-experiment

Panel för experimentkonfiguration

Klicka på Schema Visa konfiguration för att expandera panelen för experimentkonfiguration. När panelen är expanderad kan du börja konfigurera en ny version och anpassa den för att få mer kontroll över träningsprocessen.

I panelen för experimentkonfiguration kan du:

Välj ett mål innan du tränar den första versionen
Lägg till eller ta bort funktioner
Konfigurera en ny version av experimentet
Välj att ändra eller uppdatera utbildningsdatauppsättningen
Lägg till eller ta bort algoritmer
Ändra inställningar för modelloptimering

Utökad anpassningspanel i ett ML-experiment — Panel för experimentkonfiguration

Var den här sidan till hjälp för dig?

Om du hittar några fel på denna sida eller i innehållet – ett stavfel, ett steg som saknas eller ett tekniskt fel – berätta för oss så att vi kan blir bättre!

Lämna din feedback här