Navigera i experimentets gränssnitt | Qlik CloudHjälp
Gå till huvudinnehåll Gå till ytterligare innehåll

Navigera i experimentets gränssnitt

Senast uppdaterad: 2026-11-03

Det flikbaserade gränssnittet hjälper dig att gå igenom varje steg i modellträningen. Använd flikarna och experimentkonfigurationspanelen för att träna och optimera din modell.

Verktygsfält

Använd verktygsfältet för att växla mellan flikarna i gränssnittet.

I verktygsfältet kan du även göra följande:

  • Beroende på vilken flik du är kan du växla mellan dina tränade modeller.

  • Klicka på Visa konfiguration Visa konfiguration för att konfigurera träningen ytterligare, granska den aktuella versionen eller starta en ny version.

Verktygsfält i ett ML-experiment

Verktygsfält i ett ML-experiment

Konfiguration och Träningsdata

På denna flik kan du hantera experimentdata. När du skapar ett experiment är Konfiguration den enda fliken som visas. När träningen fortskrider döps fliken om till Träningsdata, och du kan växla till andra flikar för modellanalys.

I den här fliken kan du:

  • Välja ett mål innan du tränar den första versionen

  • Lägga till eller ta bort funktioner.

  • Visa funktionsdatauppsättningsinsikter och statistik och granska datakvalitetsvarningar.

  • Välja en ny datauppsättning för träning.

  • Konfigurera partiskhetsdetektering.

Växla mellan SchemaöversiktSchemavy och DatavyDatavy för olika visningar av datauppsättningen för träning.

Fliken Konfiguration i ett ML-experiment. Efter träningen byter den här fliken namn till Träningsdata.

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

Modeller

På fliken Modeller kan du göra en snabb analys av träningsresultaten och utforska rekommenderade modeller. Den här fliken hjälper dig att jämföra centrala mätvärden för varje modell och utvärdera olika prediktiva användningsfall.

Vill du göra mer detaljerad modellanalys kan du byta till flikarna Jämför och Analysera.

Välj en modell i tabellen Modellmätvärden eller från rekommendationerna ovanför tabellen. Du kan visa:

  • Prestandapoäng.

  • Sammanfattning av modellträning (tillgänglig med intelligent modelloptimering).

  • Visualiseringar av funktionsbetydelse.

  • Andra visualiseringar som är specifika för experimenttypen.

  • Partiskhetsdetekteringsresultat.

Mer information finns i Utföra snabb modellanalys.

Fliken Modeller i ett ML-experiment som tränats med intelligent modelloptimering

Fliken "Modeller" i ett ML-experiment som visar sammanfattning, metrik för kärnmodell samt autogenererade visualiseringar

Jämföra

Jämför dina modeller på detaljnivå med inbäddad analys Gör val och anpassa instrumentpanelens data för att få insikter om modellens prestanda.

På fliken Jämför kan du:

  • Komma åt all tillgänglig modellmetrik och hyperparametrar.

  • Jämföra träningsmetrik och undantagen metrik mellan modeller.

Mer information finns i Jämförelse av modeller.

Fliken Jämför i ett ML-experiment

Jämförande modellanalys i 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

  • Visa detaljerad information om partiskhetsdetekteringsresultat.

Se Utföra detaljerad modellanalys för mer information om detaljerad modellanalys.

Fliken Analysera i ett ML-experiment

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

Panel för experimentkonfiguration

Använd den här panelen för att konfigurera experimentinställningar.

Experimentets konfigurationspanel öppnas som standard i nya experiment. När du har kört en version klickar du på Visa konfiguration Visa konfiguration för att öppna panelen.

I 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

Konfigurationspanel för experiment

Konfigurationspanel för experiment med valt mål, experimenttyp och standardfunktionsval

Var den här sidan till hjälp för dig?

Om du stöter på några problem med den här sidan eller innehållet på den, t.ex. ett stavfel, ett saknat steg eller ett tekniskt fel – meddela oss!