Modelleri analiz etme
Qlik Predict, denemenizde eğittiğiniz modelleri analiz etmek için zengin bir görsel deneyim sağlar. Otomatik oluşturulan önerileri, özetleri ve görselleştirmeleri içeren basit bir arayüzü kullanarak temel model metriklerini analiz edebilirsiniz. Ayrıntılı analiz ve karşılaştırmalar için eklenmiş analizleri kullanabilirsiniz.
Başlamadan önce:
Modelleri analiz etmeden önce model inceleme kavramlarını temel düzeyde anlamak faydalı olabilir. Buna model puanları, özellik önemi ve algoritmalar dahildir.
Bilgi için bk. Model inceleme kavramlarını anlama.
Hızlı analiz
Hızlı analiz ile model eğitiminin nasıl gittiği ve sonuçta oluşan modellerin kalitesi hakkında hızlıca bilgi edinebilirsiniz. Sık karşılaşılan gereksinimlere göre size hangi modellerin önerildiğini de inceleyebilirsiniz.
Analizi ayrıntılı bir şekilde incelemeden önce eğitim verilerinin nasıl yönetildiğini görmek için Veri sekmesini açmanız önerilir. Özelliklerin sürümde kullanılamaz olduğu belirlenmiş olabileceği için bu önemli olabilir.
Eğitim sonuçlarına genel bakış için denemede Modeller sekmesini açın. Hızlıca modelleri karşılaştırabilir ve en iyi performans gösterenleri tespit edebilirsiniz. Bu sekmede gördüğünüz bilgiler, Akıllı model optimizasyonu kullanıp kullanmamanıza ve denemenizin sorun türüne bağlıdır.
Daha fazla bilgi için bk.
Model karşılaştırma
Modellerinizin etkileşimli, derinlemesine karşılaştırmasını yapmak için eklenmiş analizleri kullanın. Bu karşılaştırmaları Karşılaştır sekmesinde yapabilirsiniz.
Model karşılaştırması sırasında şunları yapabilirsiniz:
-
Tüm modeller için mevcut olan model metriklerinin hepsini karşılaştırın.
-
Tüm modeller için eğitim ve bekletme puanlarını görüntüleyin ve karşılaştırın.
-
Tüm modellerde hiperparametre değerlerini karşılaştırın.
Kapsamlı bir rehber için bkz. Modelleri karşılaştırma.
Ayrıntılı analiz
Denemenin Analiz sekmesinde belirli bir modelin ayrıntılı analizini yapın. Ayrıntılı analiz, yerleşik analizlerle gerçekleştirilir. Belirli veri kümeleri için model performansını daha iyi anlamak üzere verileri etkileşimli bir şekilde filtreleyebilirsiniz.
Ayrıntılı model analizi sayesinde, eğitim verilerinin neden olduğu sorunları tespit edebilir ve modelin güçlü ve zayıf yönleri hakkında daha fazla bilgi alabilirsiniz.
Kapsamlı bir rehber için bkz. Ayrıntılı model analizi yapma.
Eğitim raporları indirme
Daha fazla ayrıntı için, denemenizdeki modellerin eğitim raporlarını indirebilirsiniz. Eğitim raporu, bir modelin nasıl eğitildiğine dair derinlemesine bir özet sunarak ön işleme, özellik dönüşümleri, deneme sürümü ve model metrikleri hakkında kapsamlı ayrıntılar sağlar. Eğitim raporları doğrudan yerel makinenize aktarılır.
Daha fazla bilgi için bk. ML eğitim raporları indirme.
Sonraki adımlar
Sonraki adımlarınız, modellerinizi nasıl optimize ettiğinize bağlı olabilir.
Akıllı model optimizasyonu, çok az geliştirme yaparak veya hiç geliştirme yapmadan ideal olarak dağıtıma hazır bir model oluşturur. Yine de modellerin kalitesi, eğitim verilerinin kalitesine, deneme yapılandırmasına ve tahmine dayalı kullanım durumunuza özel gereksinimlere bağlıdır. Modelleri analiz ettikten ve veri kalitesi ve deneme yapılandırması ile ilgili sorunları giderdikten sonra gereksinimlerinize en uygun modeli dağıtmaya hazır olursunuz.
Akıllı model optimizasyonunu çalıştırdıktan sonra daha fazla sorun tespit ederseniz veya akıllı model optimizasyonunu baştan itibaren kapattıysanız sonuçta oluşan modelleri iyileştirmek için deneyin yeni sürümlerini manuel olarak yapılandırabilirsiniz.
Geliştirme adımlarına örnekler:
-
Akıllı optimizasyonu onu çalıştırmadan başladıktan sonra açma.
-
Akıllı optimizasyonu onunla bir sürümü çalıştırdıktan sonra kapatma. Bu, gerektiğinde yapılandırmada küçük değişiklikler yapmanıza olanak tanır.
-
Eğitim verilerini değiştirme veya yenileme.
-
Dahil edilen özellikleri değiştirme.
-
Özellik verilerinin yönetilmesini değiştirme (örneğin bir özelliğin özellik türünü değiştirme).
İstenen sonuçları elde ettikten sonra bir veya daha fazla modeli dağıtın. Daha fazla bilgi için bk.