选择您的最佳模型
在分析实验结果时，重要的是要寻找具有特定特征的模型，这些特征对您的用例很重要。例如，除了始终如一的准确预测外，您可能还需要能够快速提供预测的模型。在实验的模型选项卡中，根据多个分析角度向您推荐模型。
分析实验的最优模型
根据您的筛选器，推荐的模型可以帮助您考虑几个不同的质量观点。单个模型可能在多个方面被视为最优模型。最优模型类型包括：
在用户界面中查看最优型号
有关查找和探索实验最优模型的信息，请参阅分析模型指标表。
最佳模型
根据您的筛选器，会自动选择最佳模型进行分析。最佳模型用 
图标突出显示。
在 Qlik Predict 中，最佳模型是通过平衡计算确定的，该计算考虑了准确度指标和预测速度。
为了确定最佳模型，会自动执行以下过程：
-
选择通过模型类型确定的预测性能指标得分最高的模型。使用的指标为：
-
二元分类：F1
-
多类分类：F1 宏。
-
回归：R2
-
时间序列：MASE（若 MASE 不可用，则为 MAE）
-
-
使用步骤 1 中的性能得分，选择与得分最高模型的得分差距在 5% 以内的全部模型。
-
在所有选定的模型中，选择预测速度最快的模型（参见预测速度）。这个模型是最优的模型。
最准确
重要的是，您的模型能够持续生成准确度较高的预测结果。尽管 F1、F1 宏和 R2 提供了全面反映模型准确度的平衡评分，但您可能也对模型的原始准确度和精确度指标感兴趣。
最准确的模型用 
图标突出显示。为了确定最准确的模型，会自动执行以下过程：
-
选择通过模型类型确定的预测性能指标得分最高的模型。使用的指标为：
-
使用步骤 1 中的性能得分，选择与得分最高模型的得分差距在 10% 以内的所有模型。
-
根据模型类型，使用以下两种途径之一：
最快的模型
在选择模型时，您可能比较重视模型提供预测的速度。最快模型用 
图标突出显示。
预测速度决定了哪个模型最快。然而，模型的预测准确度仍需考虑。这是因为模型也许能够快速生成预测，但它也必须能够以合理的精度进行预测。
为了确定速度最快的模型，会自动执行以下过程：
-
选择通过模型类型确定的预测性能指标得分最高的模型。使用的指标为：
-
根据模型类型，使用以下途径之一：
-
在所有选定的模型中，选择预测速度最快的模型（参见预测速度）。这个模型是速度最快的模型。
预测速度
预测速度是一种适用于所有模型类型的模型度量：二元分类、多类分类、回归和时间序列。预测速度衡量机器学习模型生成预测的速度。
在 Qlik Predict 中，使用组合特征计算时间和测试数据集预测时间来计算预测速度。它以每秒行数为单位显示。
运行实验版本后，可在模型指标表中分析预测速度。在使用嵌入式分析来分析模型时，您还可以查看预测速度数据。有关更多信息，请参阅：
注意事项
测量的预测速度基于训练数据集的大小，而不是基于进行预测所用的数据。部署模型后，如果训练数据和预测数据的大小相差很大，或者在一个或少数几个数据行上创建实时预测时，您可能会注意到创建预测速度之间的差异。
过度拟合
当模型的预测行为与训练数据集的映射过于紧密时，就会发生过度拟合。当一个模型被过度拟合时，它可能只记住了训练数据集中的模式，无法准确预测未来的值。
过度拟合可能有几个原因，包括与训练算法相关的问题以及训练数据集太短或过于复杂。
在 Qlik Predict 中，通过分析顶级模型选择过程中使用的所有指标（预测速度除外）的测试训练结果，自动识别过度拟合：
如果在比较测试和训练结果时，这些指标之间的差异超过 10%，则模型疑似被过度拟合。
如果一个模型被怀疑过度拟合，即使它得分很高，也永远不会被作为推荐模型。该模型在模型指标表中标记有警告 
。
如果怀疑筛选器中显示的所有模型都过度拟合，则不提供模型建议。