# 微调模型

创建一些初始模型后，对其进行微调以提高其有效性和潜在准确度非常重要。模型评分表示该性能的不同度量。虽然微调模型的目的是提高这些评分，但较高的评分并不总是意味着模型更好。

您可以通过排除或包括特性、更改训练数据以及修改其他配置参数来微调模型。在此过程中，您可以比较不同的版本，以查看更改带来的影响。

通过解读评分，您将了解如何微调模型。不同指标的值可以为您提供有关采取哪些操作来改善结果的见解。

## 要求和权限

要了解有关使用 ML 实验的用户要求的更多信息，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)。

## 配置新版本

运行实验版本后，如果需要，您可以通过创建新版本来微调模型。

执行以下操作：

1. 在 训练数据、模型 或 分析 选项卡中，选择要用作下一版本基础的模型。

2. 单击 查看配置。

   实验配置面板将打开。

3. 单击 创建新版本。

创建新版本后，您可以更改其配置，例如：

* 排除现有特性

* 包括以前排除的特性

* 更改或刷新数据集

* 选择或取消选择算法

有关这些选项的更多信息，请参见以下部分。

起草新版本时，单击实验配置面板中 特性 下的筛选 the 筛选 icon 图标。进行筛选时，您可以更轻松地直观显示自更改训练数据集以来引入了哪些特性。您还可以查看哪些特性是自动工程化的，哪些是非工程化的。

## 改进数据集

如果您的模型评分不高，您可能需要检查数据集以解决任何问题。在 [准备用于训练的数据集](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/dataset-preparation.htm) 中阅读有关如何改进数据集的更多信息。

### 排除特性

特性越多并不一定意味着模型越好。要微调模型，您需要排除不可靠和不相关的特性，例如：

* 相互关系过高的特性。在两个相关的特性中，排除特性重要性较低的一个。

* 特性重要性过低的特性。这些特性对您试图了解的内容没有任何影响。

* 特性重要性过高的特性。这可能是由于数据泄露造成的。

测试从训练数据中删除该特性，然后再次运行训练并检查这是否能改进模型。它对模型评分是有很大影响还是没有影响？

执行以下操作：

1. 从目录中打开实验。

2. 在 训练数据、模型 或 分析 选项卡中，选择要用作下一版本基础的模型。

3. 单击 查看配置。

   实验配置面板将打开。

4. 单击 创建新版本 以配置新的实验版本。

5. 在 特性 下，清除您不想在训练中使用的任何特性的复选框。

提示注释或者，您可以从架构或数据视图中取消选择特性。切换到实验中的 数据 选项卡，然后单击 the 架构视图 icon 或 the 数据视图 icon 。

### 添加特性

如果您的模型评分仍然不高，可能是因为与目标有关系的特性尚未在数据集中捕获。您可以重新处理和重新利用数据集以优化数据质量，并添加新的特性和信息。准备就绪后，可以将新数据集添加到未来的实验版本中。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)。

在 [创建新要素列](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/feature-engineering.htm) 中阅读有关如何捕获或工程化新特性的更多信息。

## 更改偏差检测设置

您可以更改设置运行偏差检测的特性。例如，如果您向数据集添加了新特性，则可以针对这些特性开启偏差检测。

执行以下操作：

1. 从目录中打开实验。

2. 在 训练数据、模型 或 分析 选项卡中，选择要用作下一版本基础的模型。

3. 单击 查看配置。

   实验配置面板将打开。

4. 单击 创建新版本 以配置新的实验版本。

5. 展开训练配置面板中的 偏差。

6. （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)。

7. 选择或取消选择要运行偏差检测的任何特性。

或者，在 the 架构视图 icon 中设置偏差检测设置。

For more information about bias detection, see [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

根据目标列的数据类型，系统会自动选择适合的算法进行训练。您可能希望排除性能不佳或速度较慢的算法。这样您就无需在训练中浪费时间。

有关如何选择算法的更多信息，请参阅 [理解模型算法](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/algorithms.htm)。

执行以下操作：

1. 从目录中打开实验。

2. 在 数据、模型 或 分析 选项卡中，选择要用作下一版本基础的模型。

3. 单击 查看配置。

   实验配置面板将打开。

4. 单击 创建新版本 以配置新的实验版本。

5. 在 算法 下，清除您不想在训练中使用的任何算法的复选框。

## 更改和刷新数据集

如果自上一个实验版本以来您的训练数据发生了变化，您可以更改或刷新未来实验版本的数据集。

如果您想比较同一实验中不同数据集的模型指标和性能，这可能会有所帮助。例如，在以下情况下这很有用：

* 有新的数据记录集可用，或者对原始数据记录集进行了更新。例如，最近一个月的交易可能已可用并适合用于训练，或者可能已识别并解决了数据收集问题。

* 原始训练数据集已被重新处理或重新利用，这可能是为了改进模型训练。例如，您可能改进了定义特性列值的逻辑，甚至添加了新的特性列。

更改或刷新数据集不会改变已从先前实验版本训练的现有模型。在实验版本中，模型仅在特定版本中定义的训练数据上进行训练。

### 要求

当您为新的实验版本更改或刷新数据集时，新数据集必须满足以下要求：

* 目标列的名称和特性类型需要与原始训练数据集中的目标相同。

* 目标列中不同值的数量必须在给定实验类型所要求的相同范围内。例如，对于多分类实验，新数据集中的目标列必须仍具有 3 到 10 个唯一值。有关特定范围，请参阅 [Configuring experiments](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm#Determin)。

其他特性列可以完全是新的，具有不同的名称，并包含不同的数据。

### 更改数据集

执行以下操作：

1. 在 训练数据、模型 或 分析 选项卡中，选择要用作下一版本基础的模型。

2. 单击 查看配置。

   实验配置面板将打开。

3. 单击 创建新版本 以配置新的实验版本。

4. 在 训练数据 > 检查数据集 下，单击 更改数据集。

5. 选择或上传新数据集。您可以选择：

   * 数据集：选择您可以访问的任何空间中的数据集。请参阅 [上传和选择数据集的提示和指南](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/refining-models.htm#Tips)。

   * 数据产品：从您可以访问的激活数据产品中选择数据集。有关数据产品的更多信息，请参阅 [Creating data products](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/DataIntegration/DataProducts/Creating-data-products.htm)。

### 刷新数据集

执行以下操作：

1. 在 训练数据、模型 或 分析 选项卡中，选择要用作下一版本基础的模型。

2. 单击 查看配置。

   实验配置面板将打开。

3. 单击 创建新版本 以配置新的实验版本。

4. 在 训练数据 下，单击 刷新数据集。

   如果有可用的数据集刷新，您会收到通知。当通过创建同名的新文件覆盖现有数据文件时，数据集通常会刷新。

### 上传和选择数据集的提示和指南

* 数据集可以通过 Analytics 活动中心的“创建”页面上传，并在目录中可见。您还可以从实验的数据集选择页面将新数据集直接上传到目录中。为此，请单击上传文件并选择要上传的文件。

* Qlik Cloud 中支持在 Qlik Predict 中使用任何可以上载和分析的扁平文件。

  对于多表文件（如具有多个工作表的 Microsoft Excel 文件），将只导入第一个表。如果表的数据分析失败（例如，如果表为空），则不支持该文件。

## 运行微调版本

完成版本配置后，即可运行它。

执行以下操作：

* 单击屏幕右下角的 运行 v2。

  （按钮上的文本取决于您运行的版本数量。）

## 比较实验版本

新版本完成训练后，将新版本与旧版本进行比较，以查看更改的效果。您有多种选项可用于跨实验版本比较模型。

### 快速分析

使用实验中的 模型 和 训练数据 选项卡将该版本与旧版本进行比较。在 模型 选项卡中，您可以：

* 在 模型指标 表中查看结果。

* 根据常见的预测分析要求（包括准确度和预测速度）查看推荐的模型。

* 在模型之间切换，以查看 模型训练摘要 和其他自动生成的图表中的差异。

有关快速模型分析的更多信息，请参阅 [执行快速模型分析](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/analyze-models-quick.htm)。

### 深度分析

您可以通过切换到实验中的 比较 和 分析 选项卡来深入分析模型。这些选项卡提供了嵌入式分析体验，您可以在其中以更精细的粒度以交互方式评估模型。

比较 选项卡提供了所有模型之间模型评分和超参数的比较。分析 选项卡允许您专注于特定模型，以评估预测准确度、特性重要性及其他细节。

有关更多信息，请参阅 [比较模型](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/analyze-models-compare.htm) 和 [执行 详细的模型分析](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/analyze-models-detailed.htm)。

## 更改模型优化设置

在运行激活了智能优化的版本后，您可以关闭智能优化。这允许您使用智能优化提供的见解，同时还为您提供进行微小、极少调整所需的控制。或者，在运行一个或多个关闭了该设置的版本后，您可以开启智能模型优化。

超参数优化是在模型微调过程中开启可能会有所帮助的设置。通常，不建议在实验的第一版本中开启此设置。

您还可以更改是否使用时间感知训练，或更改用作日期索引的列。

执行以下操作：

1. 单击 查看配置。

2. 如果需要，单击 创建新版本 以配置新的实验版本。

3. 在面板中，展开 模型优化。

4. 在 智能 和 手动 设置之间切换，以开启或关闭智能模型优化。

5. 如果您想激活超参数优化，请选中 超参数优化 复选框并设置最大训练时间。

6. 在 基于时间的测试-训练拆分 下，您可以更改时间感知训练的设置：

   1. 要开启时间感知训练，请通过在数据集中选择特定的 日期索引 列来更改默认值 无。

   2. 要关闭时间感知训练，请将 日期索引 设置为值 无。

   3. 将选定的 日期索引 列更改为其他列。

## 删除实验版本

您可以删除不想保留的实验版本。请注意，实验版本中的所有模型也将被删除且无法恢复。

执行以下操作：

1. 切换到 模型 选项卡。

2. 在 模型指标 表中，从要删除的实验版本中选择一个模型。

   提示注释当您在 训练数据 或 分析 选项卡上时，也可以使用工具栏中的下拉菜单选择模型。

3. 在右下角，单击 删除 <版本号>。

4. 在确认对话框中，单击 删除。