Modelleri hassaslaştırma

Bazı başlangıç modelleri oluşturduktan sonra, bunların etkililiğini ve potansiyel doğruluğunu artırmak için modelleri hassaslaştırmak önemlidir. Model puanları, bu performansın farklı ölçümlerini gösterir. Modelleri hassaslaştırmanın amacı bu puanları artırmak olsa da daha yüksek bir puan her zaman daha iyi bir modeli göstermez.

Özellikleri hariç tutarak veya dahil ederek, eğitim verilerini değiştirerek ve diğer yapılandırma parametrelerini değiştirerek modellerinizi hassaslaştırabilirsiniz. Bunu yaparken, değişikliklerinizin ne gibi bir etkisi olduğunu görmek için farklı sürümleri karşılaştırabilirsiniz.

Puanları yorumlayarak modeli nasıl hassaslaştıracağınızı öğreneceksiniz. Farklı metriklerin değerleri, sonucu iyileştirmek için hangi adımları atmanız gerektiği konusunda size içgörüler sağlayabilir.

Gereksinimler ve izinler

ML deneyleriyle çalışmaya yönelik kullanıcı gereksinimleri hakkında daha fazla bilgi edinmek için bkz. Deneylerle çalışma.

Yeni bir sürüm yapılandırma

Bir deney sürümünü çalıştırdıktan sonra, gerekirse yeni bir sürüm oluşturarak modellerinizi hassaslaştırabilirsiniz.

Aşağıdakileri yapın:

1. Eğitim verileri, Modeller veya Analiz Et sekmesinden, bir sonraki sürüm için temel olarak kullanılacak modeli seçin.

2. Yapılandırmayı görüntüle seçeneğine tıklayın.

   Deney yapılandırma paneli açılır.

3. Yeni sürüm oluştur seçeneğine tıklayın.

Yeni bir sürüm oluşturduktan sonra, yapılandırmasında aşağıdakiler gibi değişiklikler yapabilirsiniz:

• Mevcut özellikleri hariç tutma

• Daha önce hariç tutulan özellikleri dahil etme

• Veri kümesini değiştirme veya yenileme

• Algoritmaları seçme veya seçimini kaldırma

Bu seçenekler hakkında daha fazla bilgi aşağıdaki bölümlerde verilmiştir.

Yeni bir sürüm taslağı hazırlarken, deney yapılandırma panelindeki Özellikler altında bulunan filtrele simgesine tıklayın. Filtreleme yaparken, eğitim veri kümesini değiştirdiğinizden beri hangi özelliklerin eklendiğini daha kolay görselleştirebilirsiniz. Ayrıca hangi özelliklerin otomatik olarak tasarlandığını ve tasarlanmadığını görebilirsiniz.

Veri kümesini iyileştirme

Modeliniz iyi bir puan alamazsa sorunları gidermek için veri kümesini gözden geçirmek isteyebilirsiniz. Veri kümesini nasıl iyileştireceğiniz hakkında daha fazla bilgiyi Getting your dataset ready for training bölümünde okuyabilirsiniz.

Özellikleri hariç tutma

Daha fazla özellik, mutlaka daha iyi bir model anlamına gelmez. Modeli hassaslaştırmak için aşağıdakiler gibi güvenilir olmayan ve ilgisiz özellikleri hariç tutmak istersiniz:

• Çok yüksek korelasyona sahip özellikler. Korelasyonlu iki özellikten, özellik önemi daha az olanı hariç tutun.

• Çok düşük özellik önemine sahip özellikler. Bu özellikler, öğrenmeye çalıştığınız konu üzerinde hiçbir etki sağlamaz.

• Çok yüksek özellik önemine sahip özellikler. Bunun nedeni veri sızıntısı olabilir.

Özelliği eğitim verilerinden kaldırmayı test edin, ardından eğitimi tekrar çalıştırın ve bunun modeli iyileştirip iyileştirmediğini kontrol edin. Model puanında büyük bir fark yaratıyor mu yoksa hiç fark yaratmıyor mu?

Aşağıdakileri yapın:

1. Katalog'dan bir deney açın.

2. Eğitim verileri, Modeller veya Analiz Et sekmesinden, bir sonraki sürüm için temel olarak kullanılacak modeli seçin.

3. Yapılandırmayı görüntüle seçeneğine tıklayın.

   Deney yapılandırma paneli açılır.

4. Yeni bir deney sürümü yapılandırmak için Yeni sürüm oluştur seçeneğine tıklayın.

5. Özellikler altında, eğitimde kullanmak istemediğiniz özelliklerin onay kutularını temizleyin.

Özellik ekleme

Modeliniz hala iyi bir puan alamıyorsa bunun nedeni hedefle ilişkisi olan özelliklerin henüz veri kümesinde yakalanmamış olması olabilir. Veri kalitesini optimize etmek ve yeni özellikler ile bilgiler eklemek için veri kümenizi yeniden işleyebilir ve yeniden amaçlandırabilirsiniz. Hazır olduğunda, yeni veri kümesi gelecekteki deney sürümlerine eklenebilir. Bkz. Veri kümesini değiştirme ve yenileme.

Yeni özellikleri nasıl yakalayacağınız veya tasarlayacağınız hakkında daha fazla bilgiyi Yeni özellik sütunları oluşturma bölümünde okuyabilirsiniz.

Algoritmaları seçme

Hedef sütununuzun veri türüne bağlı olarak, eğitim için uygun algoritmalar otomatik olarak seçilir. Çok iyi performans göstermeyen veya daha yavaş olan algoritmaları hariç tutmak isteyebilirsiniz. Bu sayede eğitim için onlarla zaman kaybetmek zorunda kalmazsınız.

Algoritmaların nasıl seçildiği hakkında daha fazla bilgi için bkz. Model algoritmalarını anlama.

Aşağıdakileri yapın:

1. Katalog'dan bir deney açın.

2. Veri, Modeller veya Analiz Et sekmesinden, bir sonraki sürüm için temel olarak kullanılacak modeli seçin.

3. Yapılandırmayı görüntüle seçeneğine tıklayın.

   Deney yapılandırma paneli açılır.

4. Yeni bir deney sürümü yapılandırmak için Yeni sürüm oluştur seçeneğine tıklayın.

5. Algoritmalar altında, eğitimde kullanmak istemediğiniz algoritmaların onay kutularını temizleyin.

Veri kümesini değiştirme ve yenileme

Eğitim verileriniz son deney sürümünden bu yana değiştiyse deneyin gelecekteki sürümleri için veri kümesini değiştirebilir veya yenileyebilirsiniz.

Aynı deney içindeki farklı veri kümeleri için model metriklerini ve performansını karşılaştırmak istiyorsanız bu yararlı olabilir. Örneğin, şu durumlarda yararlıdır:

• Yeni bir veri kayıtları kümesi mevcut olduğunda veya orijinal veri kayıtları kümesinde güncellemeler yapıldığında. Örneğin, en son aya ait işlemler kullanılabilir hale gelmiş ve eğitimde kullanılmaya uygun hale gelmiş olabilir ya da bir veri toplama sorunu tespit edilip çözülmüş olabilir.

• Orijinal eğitim veri kümesi, belki de model eğitimini iyileştirmek amacıyla yeniden işlendiğinde veya yeniden amaçlandırıldığında. Örneğin, özellik sütunu değerlerini tanımlama mantığını iyileştirmiş veya hatta yeni özellik sütunları eklemiş olabilirsiniz.

Veri kümesini değiştirmek veya yenilemek, önceki deney sürümlerinden zaten eğitilmiş olan mevcut modelleri değiştirmez. Bir deney sürümü içinde modeller, yalnızca o belirli sürümde tanımlanan eğitim verileri üzerinde eğitilir.

Gereksinimler

Yeni bir deney sürümü için veri kümesini değiştirdiğinizde veya yenilediğinizde, yeni veri kümesinin aşağıdaki gereksinimleri karşılaması gerekir:

• Hedef sütunun adı ve özellik türü, orijinal eğitim veri kümesindeki hedefle aynı olmalıdır.

• Hedef sütundaki farklı değerlerin sayısı, verilen deney türü için gereken aralıkta olmalıdır. Örneğin, çok sınıflı bir sınıflandırma deneyi için, yeni veri kümesindeki hedef sütunun hala üç ila on arasında benzersiz değere sahip olması gerekir. Belirli aralıklar için bkz. Deneyleri yapılandırma.

Diğer özellik sütunları tamamen yeni olabilir, farklı adlara sahip olabilir ve farklı veriler içerebilir.

Veri kümesini değiştirme

Aşağıdakileri yapın:

1. Eğitim verileri, Modeller veya Analiz Et sekmesinden, bir sonraki sürüm için temel olarak kullanılacak modeli seçin.

2. Yapılandırmayı görüntüle seçeneğine tıklayın.

   Deney yapılandırma paneli açılır.

3. Yeni bir deney sürümü yapılandırmak için Yeni sürüm oluştur seçeneğine tıklayın.

4. Eğitim verileri > Veri kümesini incele altında, Veri kümesini değiştir seçeneğine tıklayın.

5. Yeni veri kümesini seçin veya yükleyin. Şunlar arasından seçim yapabilirsiniz:

   • Veri kümeleri: Erişebildiğiniz herhangi bir alandaki bir veri kümesini seçin. Bkz. Veri kümelerini yükleme ve seçmeye yönelik ipuçları ve yönergeler.

   • Veri ürünleri: Erişebildiğiniz etkin bir veri ürününden bir veri kümesi seçin. Veri ürünleri hakkında daha fazla bilgi için bkz. Creating data products.

Veri kümesini yenileme

Aşağıdakileri yapın:

1. Eğitim verileri, Modeller veya Analiz Et sekmesinden, bir sonraki sürüm için temel olarak kullanılacak modeli seçin.

2. Yapılandırmayı görüntüle seçeneğine tıklayın.

   Deney yapılandırma paneli açılır.

3. Yeni bir deney sürümü yapılandırmak için Yeni sürüm oluştur seçeneğine tıklayın.

4. Eğitim verileri altında, Veri kümesini yenile seçeneğine tıklayın.

   Bir veri kümesi yenilemesi mevcutsa size bildirilir. Bir veri kümesi genellikle mevcut veri dosyasının üzerine aynı ada sahip yeni bir dosya oluşturularak yazıldığında yenilenir.

Veri kümelerini yükleme ve seçmeye yönelik ipuçları ve yönergeler

• Veri kümeleri, Analiz etkinlik merkezindeki Oluştur sayfası üzerinden yüklenebilir ve katalogda görülebilir. Ayrıca, deneyin veri kümesi seçim sayfasından doğrudan kataloğa yeni bir veri kümesi yükleyebilirsiniz. Bunu yapmak için, Dosya yükle seçeneğine tıklayın ve yüklenecek dosyayı seçin.

• Qlik Cloud konumuna yüklenebilen ve profili oluşturulabilen tüm düz dosyalar Qlik Predict içinde desteklenir.

  Microsoft Excel dosyası gibi birden çok sayfası olan çok tablolu dosyalarda yalnızca ilk tablo içe aktarılır. Bir tablo için profil oluşturma başarısız olursa (örneğin, tablo boşsa) dosya desteklenmez.

Hassaslaştırılmış sürümü çalıştırma

Sürümü yapılandırmayı bitirdiğinizde, çalıştırabilirsiniz.

Aşağıdakileri yapın:

• Ekranın sağ alt köşesindeki v2 Sürümünü Çalıştır seçeneğine tıklayın.

  (Düğmedeki metin, çalıştırdığınız sürüm sayısına bağlıdır.)

Deney sürümlerini karşılaştırma

Yeni sürümün eğitimi tamamlandıktan sonra, değişikliklerinizin etkisini görmek için yeni sürümü eski sürümle karşılaştırın. Deney sürümleri genelinde modelleri karşılaştırmak için bir dizi seçeneğiniz vardır.

Hızlı analiz

Sürümü eski sürümlerle karşılaştırmak için deneydeki Modeller ve Eğitim verileri sekmelerini kullanın. Modeller sekmesinde şunları yapabilirsiniz:

• Sonuçları Model metrikleri tablosunda görüntüleyin.

• Doğruluk ve tahmin hızı dahil olmak üzere yaygın tahmine dayalı analiz gereksinimlerine göre önerilen modelleri görüntüleyin.

• Model eğitimi özeti ve otomatik olarak oluşturulan diğer grafiklerdeki farkları görüntülemek için modeller arasında geçiş yapın.

Hızlı model analizi hakkında daha fazla bilgi için bkz. Hızlı model analizi gerçekleştirme.

Derinlemesine analiz

Deneydeki Karşılaştır ve Analiz Et sekmelerine geçiş yaparak model analizinizin daha derinlerine inebilirsiniz. Bu sekmeler, modelleri daha ayrıntılı bir düzeyde etkileşimli olarak değerlendirebileceğiniz gömülü bir analiz deneyimi sunar.

Karşılaştır sekmesi, tüm modeller genelinde model puanlarının ve hiper parametrelerin karşılaştırılmasını sunar. Analiz Et sekmesi, tahmin doğruluğunu, özellik önemini ve diğer ayrıntıları değerlendirmek için belirli bir modele odaklanmanıza olanak tanır.

Daha fazla bilgi için bkz. Modelleri karşılaştırma ve Ayrıntılı model analizi yapma.

Model optimizasyonu ayarlarını değiştirme

Akıllı optimizasyonun etkinleştirildiği bir sürümü çalıştırdıktan sonra bu özelliği kapatabilirsiniz. Bu, akıllı optimizasyon tarafından sağlanan içgörüleri kullanmanıza olanak tanırken, aynı zamanda küçük, minimum düzeyde ince ayarlar yapmanız için gereken kontrolü de sağlar. Alternatif olarak, ayar kapalıyken bir veya daha fazla sürüm çalıştırdıktan sonra akıllı model optimizasyonunu açabilirsiniz.

Hiper parametre optimizasyonu, model hassaslaştırma işlemi sırasında açılması yararlı olabilecek bir ayardır. Genellikle bu ayarın deneyin ilk sürümü için açık olması önerilmez.

Zamana duyarlı eğitimin kullanılıp kullanılmayacağını da değiştirebilir veya tarih dizini olarak kullanılan sütunu değiştirebilirsiniz.

Aşağıdakileri yapın:

1. Yapılandırmayı görüntüle seçeneğine tıklayın.

2. Gerekirse yeni bir deney sürümü yapılandırmak için Yeni sürüm oluştur seçeneğine tıklayın.

3. Panelde Model optimizasyonu seçeneğini genişletin.

4. Akıllı model optimizasyonunu açmak veya kapatmak için Akıllı ve Manuel ayarları arasında geçiş yapın.

5. Hiper parametre optimizasyonunu etkinleştirmek istiyorsanız Hiper parametre optimizasyonu onay kutusunu tıklayın ve maksimum bir eğitim süresi belirleyin.

6. Zaman tabanlı test-eğitim bölümü altında, zamana duyarlı eğitim ayarlarını değiştirebilirsiniz:

   1. Zamana duyarlı eğitimi açmak için veri kümesinde belirli bir Tarih dizini sütunu seçerek varsayılan Yok değerini değiştirin.

   2. Zamana duyarlı eğitimi kapatmak için Tarih dizini değerini Yok olarak ayarlayın.

   3. Seçilen Tarih dizini sütununu farklı bir sütunla değiştirin.

Deney sürümlerini silme

Tutmak istemediğiniz deney sürümlerini silebilirsiniz. Deney sürümlerindeki tüm modellerin de silineceğini ve kurtarılamayacağını unutmayın.

Aşağıdakileri yapın:

1. Modeller sekmesine geçiş yapın.

2. Model metrikleri tablosunda, silmek istediğiniz deney sürümünden bir model seçin.

   İpucu notuAraç çubuğundaki açılır menüyü kullanarak Eğitim verileri veya Analiz Et sekmelerindeyken de bir model seçebilirsiniz.

3. Sağ altta, <sürüm numarası> Sürümünü Sil seçeneğine tıklayın.

4. Onay iletişim kutusunda Sil seçeneğine tıklayın.