# 配置实验

实验的配置包括选择目标和模型将用于预测目标的特性。您还可以配置许多可选设置。

为了支持您选择目标，将分析历史数据集，并显示数据集中每一列的摘要统计信息。对数据集应用几个自动预处理步骤，以确保只包含适当的数据。有关数据预处理的详细信息，请参阅[自动数据准备和转换](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/preprocessing-steps.htm)。

在运行 v1 之后，如果需要，可以创建新的实验版本来进一步完善模型训练。有关更多信息，请参阅[优化模型](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/refining-models.htm)。

## 要求和权限

要了解有关使用 ML 实验的用户需求的更多信息，请参阅[使用实验](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-experiments.htm)。

## 界面

以下部分概述了如何导航实验界面以配置实验。有关界面的更多信息，请参阅[浏览实验界面](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/navigate-experiment-interface.htm)。

### 标签导航

创建实验时，会打开配置选项卡。您可以在此处配置实验的目标和特性。

运行至少一个实验版本后，配置选项卡将变为训练数据。其他选项卡也会变为可用。这些其他标签允许您分析刚刚在版本中训练的模型。如果需要使用不同的特性选择配置后续版本，可以返回训练数据标签。

### 模式视图和数据视图

在配置/训练数据选项卡中，您可以在 the 架构视图 icon 与 the 数据视图 icon 之间切换。

#### 架构视图

the 架构视图 icon 是默认视图。在此视图中，数据集中的每一列都由模式中包含信息和统计信息的行表示。

您可以：

* 选择要包含在实验中的特征。

* 查看每列的详细信息，例如数据类型和特性类型。

* 查看有关列的洞察信息，例如无法选择它们的原因，或者在训练期间将如何对其进行处理。

提示注释单击 the 列移动 icon 自定义表格中的信息。例如，您可以隐藏某些列以减少显示的信息。

ML 实验中的模式视图

ML 实验中的模式视图

ML 实验中的模式视图模式视图 ![ML 实验中的模式视图](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Resources/Images/ui-gen-automl-experiment-schema-view.png)

#### 数据视图

the 数据视图 icon 是一种替代视图，您可以使用它来访问每列的更多信息和样本数据。

ML 实验中的数据视图

ML 实验中的数据视图

ML 实验中的数据视图数据视图 ![ML 实验中的数据视图](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Resources/Images/ui-gen-automl-experiment-data-view.png)

### 实验配置面板

在实验配置面板中，您可以进一步自定义实验训练。在新实验中，此面板默认打开。

运行版本后，点击 the 查看配置 icon 即可打开面板以配置下一个版本。

使用实验配置面板，您可以：

* 选择目标和实验类型

* 设置版本名称

* 添加或删除特性

* 配置实验的新版本

* 查看您正在训练的模型类型

* 选择更改或刷新训练数据集

* 添加或删除算法

* 更改模型优化设置

* 对于时间序列模型，设置预测设置

* 配置偏差检测

实验配置面板

实验配置面板

实验配置面板 ![实验配置面板，其中包含选定的目标、实验类型和默认特性选择](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_ml-tutorial-exp-configuration.png)

## 选择目标及实验类型

您可以更改目标列和实验类型，直至开始首次训练。之后，它们被锁定以进行编辑。

目标列包含希望机器学习模型预测的值。

实验类型由目标及它包含的数据类型决定。实验类型定义了您需要训练的模型类型。以下选项可能可用：

* 二元分类：训练模型以便预测具有两个可能值（例如，是或否）的目标。数据可以为任何特性类型。

* 多类别分类：训练模型以预测有 3-10 个可能值（例如，类别列表）的目标。数据可以是任何特征类型，但具有 10 个以上不同的非数字类（值）的列不能作为目标。

* 回归：训练模型以预测有 10 个以上可能值（特别是具有数值特性类型的目标）的目标。

* 时间序列：训练模型以利用历史数据来预测特定未来时间段的目标值。目标必须有 10 个以上不同的值，并且具有数值数据。有关更多信息，请参阅[使用时间序列实验](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-series-experiment.htm)。

执行以下操作：

* 在 the 架构视图 icon 或 the 数据视图 icon 中，单击某列的单选按钮。

  目标列现在由 the 目标 icon 指示，其他可用列将自动选择为特性。

  在模式视图中选择目标

  在模式视图中选择目标

  在模式视图模式视图中选择目标 ![带有目标符号的数据集列。](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Resources/Images/AutomatedMachineLearning/selecting_target_pane.png)

  在实验配置面板的实验设置下，如有需要，您可以在训练前更改目标。

  信息注释

  实验设置可能包含实验类型选择器。例如：

  * 如果数据集中存在日期特性且目标特性类型为数值型，您可以在多类分类和二元分类之间切换。

  * 如果您的数据集及目标可以进行时间序列预测，您可以将实验类型从回归更改为时间序列。

选择目标及实验类型后，您可以开始运行实验的第一个版本。阅读 [训练实验](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/training-experiments.htm) 中更多内容。您可以在下面描述的这一点进行额外配置，或者在查看训练结果后调整配置。

随着实验训练的继续，将显示如何解释和处理数据的说明。有关更多信息，请参阅[解释数据集见解](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/dataset-insights.htm#Explanations)。

## 选择特征列

使用目标集，您可以选择要在模型训练中包含的其他可用列。排除不想成为模型一部分的任何特性。请注意，该列将保留在数据集中，但不会被训练算法使用。

在实验配置面板的顶部，您可以看到数据集中的单元格数。如果数量超过数据集限制，则可以排除低于限制的特性。

可以通过多种方式选择特性列：

### 模式视图和数据视图

在主视图中，您可以：

* 取消选择包括所有可用特性，然后仅选择要包括的特性。

* 手动清除不想包含的特性的复选框。

* 进行搜索，并在筛选的搜索结果中排除或包括所有特性。

提示注释

在这些视图中，每列旁边都有一个图标，用于提供更多信息：

* the 检查 icon: 该功能已包含或可包含在实验中。

* the 已排除的功能 icon: 该功能已从实验中排除。有时可以包含，但通常不建议这样做。

* the 无法选择功能 icon：该功能无法包含在实验中。

### 在实验配置面板中

在实验配置面板中，您可以：

* 手动清除不想包含的特性的复选框。

* 运行第一个版本的实验后，可以定义要包含的表现最佳的特性的数量。

实验配置面板中的特性部分

实验配置面板中的特性部分

实验配置面板中的特性特性部分 ![Qlik Predict 实验配置面板中的特性部分](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_ml_features-configuration-panel.png)

选择特性时，会自动为其指定一种特性类型。可能的特性类型包括：

* 无条件型

* 数字

* 日期

* 自由文本

特性类型是基于特性列中包含的数据指定的。如果一个特性符合某些标准，它可能会被选中，成为自动设计特性的基础。如果需要，可以更改特性是否用于自动特性设计。有关自动特性设计的完整详细信息，请参阅[自动特性工程](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/automatic-feature-engineering.htm)。

数据集中的某些列可能无法选择作为实验的特性，或者可能应用了特定的处理。当您浏览实验训练时，会显示对您的数据是如何被解释和处理的说明。有关更多信息，请参阅[解释数据集见解](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/dataset-insights.htm#Explanations)。

## 配置偏差检测

您可以针对包含敏感数据的功能启用偏差检测。运行实验时会执行偏差检测。 您还可以点击获取建议，以使用生成式 AI 扫描您的训练数据，查找可能敏感的功能，然后再运行偏差检测。

偏差检测可判断该功能是否增加了模型在其预测中促进不公平结果的可能性，或者源数据本身是否存在偏差。

执行以下操作：

1. 在机器学习实验中，在训练配置面板中展开偏差。

2. 在选择用于偏差检测的特性之前，（可选）单击获取建议以使用生成式 AI 建议可能包含偏差数据的特性。请参阅[使用生成式 AI 推荐用于偏差检测的功能](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/bias-detection.htm#UsingAI)。

3. 选择或取消选择您要对其运行偏差检测的任何特性。

或者，在the 架构视图 icon中为所需功能开启偏差检测。

有关偏差检测的更多信息，请参阅[检测机器学习模型中的偏差](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/bias-detection.htm)。

## 选择算法

默认情况下包含所有可用的算法，您可以排除任何不想使用的算法。通常，当您看到第一个训练结果时，您会将此作为模型优化的一部分。阅读 [优化模型](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/refining-models.htm) 中更多内容。

实验配置面板中的算法部分

实验配置面板中的算法部分

实验配置面板中的算法算法部分 ![Qlik Predict 实验配置面板中的算法部分。](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Resources/Images/AutomatedMachineLearning/automl_select-algorithms-rev.png)

## 更改功能类型

加载数据集时，根据数据类型和其他特性，将把列视为分类、数字、日期或自由文本来处理。在某些情况下，您可能需要更改此设置。

例如，如果一周中的天数由数字 1-7 表示，则每个数字表示一个分类值。默认情况下，它被视为连续排名的数值，因此您需要手动更改配置以将其视为分类。

当列被标识为包含日期和时间信息时，它将被用作新生成的自动设计特性的基础。发生这种情况时，原始列（父特性）将被视为具有日期特性类型。

您可以将父特性从日期特性更改为分类或数字特性。例如，当一个特性被标识为日期，但您需要将其视为字符串或数字时，这很有用。如果您这样做，就不能再在实验训练中使用它的自动设计特性。

执行以下操作：

1. 在the 模式 icon视图中，找到该特性。

2. 在该特性的特性类型列中，单击 the 向下箭头 icon。

3. 在列表中选择一个值。

您也可以从 the 数据视图 icon更改特性类型。找到该特性，然后单击当前特性类型旁边的 the 向下箭头 icon。在列表中选择一个值。

### 时间序列预测

如果您正在训练时间序列实验，则会根据您的配置自动应用某些特征类型转换。例如，若您选择任何组用于多元预测，则这些组的特征类型会自动切换为分类。

### 对预测的影响

当您手动更改特性的特性类型，然后部署生成的模型时，特性类型覆盖项将应用于应用数据集中的特性，该数据集用于使用该模型进行的预测。

## 更改数据集

您可以在运行第一个实验版本之前以及运行任何版本之后更改训练数据集。

如果在运行第一个版本之前更改数据集，则将丢失在更改数据集之前所做的任何配置。

执行以下操作：

1. 在实验配置面板的 训练数据 > 审核数据集 下，点击 更改数据集。

2. 选择一个新数据集。

有关在模型精化过程中（运行实验版本后）更改和刷新数据集的更多信息，请参阅[更改和刷新数据集](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/refining-models.htm#Changing)。

## 配置模型优化

如果您的实验类型是二元分类、多类分类或回归，您可以调整以下设置来优化模型：

* 打开或关闭智能模型优化

* 打开或关闭超参数优化

* 开启或关闭时间感知培训

可以为您运行的每个版本的实验打开或关闭这些选项。

实验配置面板中的模型优化部分

实验配置面板中的模型优化部分

实验配置面板中的模型优化模型优化部分 ![Qlik Predict 训练配置面板中的模型优化部分](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Resources/Images/ui-gen-automl-optimization.png)

### 配置智能优化

默认情况下，实验使用智能模型优化。通过智能模型优化，Qlik Predict 利用迭代特征选择和对数据应用高级转换来为您处理模型优化过程。

有关智能优化的详细信息，请参阅 [智能模型优化](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/intelligent-model-optimization.htm)。

您可以关闭此设置以手动优化您训练的模型。例如，您可能希望从智能模型优化开始模型训练，然后切换到 v2 的手动优化以进一步调整配置。

执行以下操作：

1. 单击the 视图配置 icon。

2. 如果您已经运行了至少一个版本的实验，请单击新建版本。

3. 在面板中，展开模型优化。

4. 从智能切换到手动。

5. 使用滑块设置训练的最大运行持续时间。

### 配置超参数优化

您可以使用超参数优化来优化模型。请注意，这是一个高级选项，可以显著增加训练时间。如果关闭智能优化，则可以使用超参数优化。

有关更多信息，请参阅[超参数优化](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/hyperparameter-optimization.htm)。

执行以下操作：

1. 单击the 视图配置 icon。

2. 如果您已经运行了至少一个版本的实验，请单击新建版本。

3. 在面板中，展开模型优化。

4. 从智能切换到手动。

5. 选中超级参数优化复选框。

6. （可选）为优化设置时间限制。默认时间限制为一小时。

### 配置时间感知训练

如果您希望在考虑时间序列维度的情况下训练模型，请为实验版本激活时间感知训练。要使用此选项，您的数据集中需要有一列包含相关时间序列信息。

当启用时间感知训练时，Qlik Predict 使用专门的交叉验证和 null 插补过程来训练模型。

有关更多信息，请参阅[创建时间感知模型](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-aware-models.htm)和[基于时间的交叉验证](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/holdout-crossvalidation.htm#TimeAware)。

执行以下操作：

1. 单击the 视图配置 icon。

2. 如果您已经运行了至少一个版本的实验，请单击新建版本。

3. 在面板中，展开模型优化。

4. 在基于时间的测试训练分割下，选择用于对数据进行排序的日期索引。

## 查看有关训练数据的见解

在实验的 配置/训练数据 选项卡中，您可以查看有关训练数据处理的见解。此信息在 the 架构视图 icon 和 the 数据视图 icon 中均可用。显示的信息取决于您是否运行了具有当前训练数据的版本。见解中的更改可以帮助您确定为什么特性可能无法使用，或者为什么它们被自动删除。

有关每个见解含义的更多信息，请参阅[解释数据集见解](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/dataset-insights.htm#Explanations)。

相关学习内容：

* [Qlik Predict 简介](https://help.qlik.com/lnk/Introduction_Qlik_AutoML)

## 了解详情

* [Qlik Predict 简介](https://help.qlik.com/lnk/Introduction_Qlik_AutoML)