Träningsexperiment
Senast uppdaterad: 2026-11-10Träning av modeller för maskininlärning innebär att man matar in data i algoritmer och låter dem lära sig mönster i data. Efter den inledande träningen på data lär du dig mycket om modellerna genom de genererade mätvärdena. Det kan krävas många iterationer av förfining och förnyad träning innan du har en modell som är tillräckligt bra för att driftsättas.
Krav och behörigheter
Mer information om användarkraven för att arbeta med ML-experiment finns i Arbeta med experiment.
Körning av experimentträning
Gör följande:
- Skapa och konfigurera ett nytt experiment eller öppna ett experiment från katalogen.
-
Klicka på Kör experiment för att starta träningen.
(För följande versioner kommer det att stå Kör v2, Kör v3 och så vidare.)
När träningen är klar blir metrik för modellen tillgänglig. Du är nu redo att granska och förfina modellerna. Mer information finns i Granskning av modeller och Förfining av modeller.
Hantering av träningsjobb
Klientorganisationsadministratörer kan stoppa eller avbryta experimentträningsjobb från aktivitetscentret i Administration. Mer information finns i Administrera Qlik Predict.
Konfigurera meddelanden
Du kan få meddelanden när träningen av en enskild modell är klar och när träningen av alla modeller i en experimentversion är klar. Mer information finns i Konfigurera aviseringar för Qlik Predict.
Hantering av misslyckade experimentversioner
Om en version misslyckas under träningen listas den i tabellen Misslyckade versioner på fliken Modeller. Du kan göra något av följande:
-
Visa feldetaljerna för att förstå varför träningen misslyckades.
-
Ta bort den misslyckade versionen från listan.
Mer information finns i Visa misslyckade versioner.