Modelleri analiz etme
Qlik Predict, denemenizde eğittiğiniz modelleri analiz etmek için zengin bir görsel deneyim sunar. Otomatik olarak oluşturulan öneriler, özetler ve görselleştirmeler içeren basit bir arayüz kullanarak temel model metriklerini analiz edebilirsiniz. Daha ayrıntılı analiz ve karşılaştırmalar için gömülü analitiği kullanabilirsiniz.
Başlamadan önce
Modelleri analiz etmeden önce, model inceleme kavramları hakkında temel bir anlayışa sahip olmak faydalı olabilir. Buna model puanları, özellik önemi ve algoritmalar dahildir.
Bilgi için bkz. Model inceleme kavramlarını anlama.
Hızlı analiz
Hızlı analiz ile model eğitiminin nasıl gittiği ve ortaya çıkan modellerin kalitesi hakkında hızlıca bilgi edinebilirsiniz. Ayrıca ortak gereksinimlere göre size hangi modellerin önerildiğini de inceleyebilirsiniz.
Analize başlamadan önce, eğitim verilerinin nasıl işlendiğini görmek için Eğitim verileri sekmesini açmanız önerilir. Sürümde özelliklerin kullanılamaz olduğu tespit edilmiş olabileceğinden bu durum önemli olabilir.
Eğitim sonuçlarının genel bakışı için denemedeki Modeller sekmesini açın. Modelleri hızlıca karşılaştırabilir ve en iyi performans gösterenleri belirleyebilirsiniz. Bu sekmede gördüğünüz bilgiler, Akıllı model optimizasyonunu kullanıp kullanmadığınıza ve denemenizin sorun türüne bağlıdır.
Daha fazla bilgi için bkz.:
Model karşılaştırması
Modellerinizin etkileşimli ve derinlemesine karşılaştırmasını yapmak için gömülü analitiği kullanın. Bu karşılaştırmaları Karşılaştır sekmesinde gerçekleştirebilirsiniz.
Model karşılaştırması sırasında şunları yapabilirsiniz:
-
Tüm modeller için mevcut tüm model metriklerini karşılaştırın.
-
Tüm modeller için eğitim ve holdout (bekletme) puanlarını görüntüleyin ve karşılaştırın.
-
Tüm modeller genelinde hiperparametre değerlerini karşılaştırın.
Kapsamlı bir kılavuz için bkz. Modelleri karşılaştırma.
Ayrıntılı analiz
Denemenin Analiz Et sekmesinde, belirli bir modelin ayrıntılı analizini gerçekleştirin. Ayrıntılı analiz gömülü analitik ile gerçekleştirilir. Belirli veri kümeleri için model performansını daha iyi anlamak amacıyla verileri etkileşimli olarak filtreleyebilirsiniz.
Ayrıntılı model analizi ile eğitim verilerinden kaynaklanan sorunları belirleyebilir ve bir modelin güçlü ve zayıf yönleri hakkında daha fazla bilgi edinebilirsiniz.
Kapsamlı bir kılavuz için bkz. Ayrıntılı model analizi yapma.
Eğitim raporlarını indirme
Ek ayrıntılar için denemenizdeki modellerin eğitim raporlarını indirebilirsiniz. Bir eğitim raporu, bir modelin nasıl eğitildiğine dair derinlemesine bir özet sunarak ön işleme, özellik dönüştürmeleri, deneme sürümü oluşturma ve model metrikleri hakkında kapsamlı ayrıntılar sağlar. Eğitim raporları doğrudan yerel makinenize dışa aktarılır.
Daha fazla bilgi için bkz. ML eğitim raporları indirme.
Sonraki adımlar
Sonraki adımlarınız, modellerinizi nasıl optimize ettiğinize bağlı olabilir.
Akıllı model optimizasyonu, ideal olarak minimum düzeyde iyileştirmeyle veya hiç iyileştirme yapılmadan dağıtılmaya hazır bir model oluşturur. Modellerin kalitesi yine de eğitim verilerinizin kalitesine, deneme yapılandırmasına ve tahmine dayalı kullanım örneğinize özgü gereksinimlere bağlıdır. Modelleri analiz ettikten ve veri kalitesi veya deneme yapılandırmasıyla ilgili diğer sorunları giderdikten sonra, gereksinimlerinize en uygun modeli dağıtmaya hazırsınız.
Akıllı model optimizasyonunu çalıştırdıktan sonra başka sorunlar tespit ederseniz veya akıllı model optimizasyonunu başlangıçtan itibaren kapattıysanız, ortaya çıkan modelleri iyileştirmek için denemenin yeni sürümlerini manuel olarak yapılandırabilirsiniz.
İyileştirme adımlarına örnek olarak şunlar verilebilir:
-
Akıllı optimizasyon olmadan başladıktan sonra akıllı optimizasyonu açmak.
-
Akıllı optimizasyon içeren bir sürümü çalıştırdıktan sonra akıllı optimizasyonu kapatmak. Bu, yapılandırmada gerektiği gibi ince ayarlar yapmanıza olanak tanır.
-
Eğitim verilerini değiştirmek veya yenilemek.
-
Dahil edilen özellikleri değiştirmek.
-
Özellik verilerinin işlenme şeklini değiştirmek (örneğin, bir özelliğin özellik türünü değiştirmek).
İstediğiniz sonuçları elde ettiğinizde, bir veya daha fazla modeli dağıtın. Daha fazla bilgi için bkz.: