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.

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 ML-experiment

Modeller

På fliken Modeller kan du göra en snabb analys av träningsresultaten och utforska en lista med rekommenderade modeller. På fliken Modeller kan du snabbt förstå och jämföra metrik för respektive modell. Ett antal rekommendationer ges för att hjälpa dig att överväga 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.

Mer information finns i Utföra snabb modellanalys.

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

Mer information finns i Jämförelse av modeller.

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. Med den här panelen utfälld kan du konfigurera experimentinställningarna.

I panelen för experimentkonfiguration kan du:

Välj en mål och experimenttyp
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
För tidsseriemodeller, ange prognosinställningarna

Utökad anpassningspanel i ett ML-experiment — Panel för experimentkonfiguration

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!

Lämna din feedback här