下载 ML 训练报告
您可以下载在实验中训练的模型的训练报告。训练报告包括训练模型的过程的全面细节，以及 ML 实验中的其他模型（可选）。您可以从您有权访问的 ML 实验和 ML 部署中下载训练报告。训练报告为 PDF 格式。
管理员还可以从 Administration 活动中心下载训练报告。有关更多信息，请参阅以管理员身份下载 ML 训练报告。
ML 训练报告
用例
通过模型训练报告，您可以：
-
深入研究训练模型的流程 -- 例如，用于审计目的。
-
与 Qlik Cloud 外部的用户轻松共享模型训练的详细信息。
生成训练报告
从实验
执行以下操作：
-
打开 ML 实验。
-
转到模型选项卡。
-
选择模型。
-
在右上角单击下载训练报告。
-
在对话框中，可以选择打开包括与实验中所有模型相关的信息。
激活后，该设置会生成一份扩展报告，其中含有实验中训练的所有模型的信息。
-
如有需要，请单击预览查看报告，而无需下载。根据浏览器的不同，您可能需要进行多次尝试。
-
单击下载。报告生成后会保存到本地的 Downloads 文件夹中。
您也可以通过点击模型上的 
，然后选择下载训练报告来生成训练报告。
从 ML 部署
执行以下操作：
-
打开 ML 部署。
-
转到可部署模型选项卡。
-
在部署中的所有模型下，单击模型旁边的
。 -
选择下载训练报告。
-
在对话框中，可以选择打开包括与实验中所有模型相关的信息。
激活后，该设置会生成一份扩展报告，其中含有实验中训练的所有模型的信息。请参阅完整版和重点版。
-
如有需要，请单击预览查看报告，而无需下载。根据浏览器的不同，您可能需要进行多次尝试。
-
单击下载。报告生成后会保存到本地的 Downloads 文件夹中。
作为管理员
管理员还可以从 Administration 活动中心下载训练报告。有关更多信息，请参阅以管理员身份下载 ML 训练报告。
训练报告包括哪些内容
训练报告详细概述了以下信息。有些细节可能只有在下载完整版训练报告时才会出现。有关更多信息，请参阅完整版和重点版。
-
是谁创造了实验
-
何时进行的实验和模型训练
-
训练所用资源的位置和名称
-
实验有多少版本和模型
-
用于训练模型的算法
-
有关所用训练数据集的详细信息，例如它们包含多少数据
-
在训练前和训练期间对训练数据进行的处理
-
训练数据和保留数据的模型指标
-
超参数数据
完整版和重点版
下载训练报告时，用户可以选择打开名为包含实验中所有模型的信息的设置。此设置控制是生成报告的完整版还是生成重点版。
如果包括实验中所有模型的信息设置开启，则会生成完整版报告。本报告包含关于在实验中训练的其他模型的更多信息。
另一方面，重点报告只包含所选模型的信息。实验中其他模型的信息不包括在内。
解释训练报告中的术语
在分析训练报告时，我们假定您已了解所引用的技术术语。大多数术语在 Qlik Predict 帮助文档中都有解释。
下面的表格提供了报告中内容的定义以及有用的帮助主题。
| 术语 | 含义 | 相关内容 |
|---|---|---|
| 批次 |
指在实验中训练了多少批次的模型。在使用智能模型优化时，会对模型进行分批迭代训练，由此提高训练性能和结果。 相比之下，不使用智能模型优化（即手动优化）的实验版本则是手动优化，在单个批次中训练模型。 |
- |
| EDA | 指探索性数据分析。这是模型训练开始前对训练数据集执行自动处理的术语。 | 实验设置 |
| 编码、Impact 编码、One-hot encoded | 指对特性数据进行处理，使其更适用于模型训练。 | 分类编码 |
| 特性工程 | 指产生新特性的众多过程。这些结果可以是作为全新实体暴露的新特性，也可以是通过编码和自由文本处理创建的特性. | |
| 五重交叉验证 | 指每次迭代训练之后对模型进行的交叉验证。 | 保留数据和交叉验证 |
| 优化 | 指模型训练使用的是智能优化还是人工优化。 | 使用模型优化 |
| 采样率 | 指使用了多少训练数据集来进行模型训练。 在使用智能模型优化时，模型有时可以在少于 100% 的原始数据集上进行训练，特别是对于非常大的数据集。 相比之下，不使用智能模型优化（即手动优化）的实验版本则是手动优化，始终使用 100% 的训练数据集。。 |
训练数据采样 |
| 拆分 | 指自动将训练数据集拆分成训练数据和保留数据。保留数据不用于模型训练，而是用于测试模型性能。 | 保留数据和交叉验证 |
| U=用户覆盖 | 指用户手动更改自动识别的特性类型的操作。 | 更改功能类型 |
权限
从 ML 实验下载的权限
要从 ML 实验导出训练报告，需要具备实验的查看访问权限。换句话说，您必须满足以下要求：
-
在 Qlik Cloud租户中的 专业或 Full User 授权。
-
满足以下其中一项：
-
Automl Experiment Contributor 内置安全角色
-
Automl Deployment Contributor 内置安全角色
-
管理 ML 实验 权限设置为 允许 通过 User Default 或自定义安全角色
-
管理 ML 部署 权限设置为 允许 通过 User Default 或自定义安全角色
-
管理 ML 实验和部署 管理员权限设置为 允许 通过自定义安全角色
-
-
对于共享空间中的实验，需要空间中的以下空间角色之一：
-
（空间）所有者
-
可以管理
-
可编辑
-
可查看
-
从 ML 部署下载的权限
要从 ML 部署导出训练报告，您需要同时拥有对部署和部署实验的查看权限。
换句话说，您必须满足以下要求：
-
在 Qlik Cloud租户中的 专业或 Full User 授权。
-
满足以下其中一项：
-
Automl Experiment Contributor 内置的安全角色
-
Automl Deployment Contributor 内置的安全角色
-
通过 User Default 或自定义安全角色将管理 ML 实验权限设置为允许
-
通过 User Default 或自定义安全角色将管理 ML部署权限设置为允许
-
通过自定义安全角色将管理 ML 实验和部署的管理员权限设置为允许
-
-
对于共享空间中的实验，需要空间中的以下空间角色之一：
-
（空间）所有者
-
可以管理
-
可编辑
-
可查看
-
-
对于共享空间中的部署，需要空间中的以下空间角色之一：
-
（空间）所有者
-
可以管理
-
可编辑
-
可查看
-
-
对于托管空间中的部署，需要空间中的以下空间角色之一：
-
（空间）所有者
-
可以管理
-
可以贡献
-
可查看
-
限制
-
训练报告仅适用于 2025 年 7 月底及以后创建的 ML 实验。