# 监控已部署模型的性能和使用情况

当您使用 ML 部署生成预测时，您可以通过分析随时间的数据漂移来监控源模型的性能。您还可以查看有关部署用于预测的详细信息，例如预测是如何触发的以及预测失败率。

通过嵌入式分析对部署的模型和 ML 部署进行监控。

## 监控数据漂移

通过数据漂移监测，您可以分析模型预测的输入数据如何随时间变化，以及它与原始训练数据集有何不同。使用这些工具，您可以确定由于显著的特性漂移而需要重新训练或替换模型的点。

有关 Qlik Predict 中数据漂移监测的更多信息，请参阅[监控已部署模型中的数据漂移](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/monitor-drift.htm)。

有关数据漂移的一般信息，请参阅[数据漂移](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/data-drift.htm)。

## 操作监控

由于您的 ML 部署用于创建预测，因此监控其操作的详细信息是有帮助的。通过 Qlik Predict 中的操作监控，您可以：

* 查看部署的请求数、预测数、预测失败数。

* 按触发条件分析预测事件（例如，最初手动与按计划分析的事件数量）。

* 查看显示每个预测事件以及关键细节的详细日志。

有关更多信息，请参阅[监控已部署模型的运行情况](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/monitor-model-operations.htm)。