# 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](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/mc-training-report.htm)。 ML 训练报告 ML 训练报告 ML 训练报告 ![实验训练报告](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_ml-training-report.png) ## 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： 1. 打开 ML 实验。 2. 转到模型选项卡。 3. 选择模型。 4. 在右上角单击下载训练报告。 5. 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。 6. 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。 7. 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 the 下载训练报告 icon ，然后选择来生成训练报告。 ### 从 ML 部署 执行以下操作： 1. 打开 ML 部署。 2. 转到可部署模型选项卡。 3. 在部署中的所有模型下，单击模型旁边的 the 三点菜单 icon。 4. 选择下载训练报告。 5. 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](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/training-report.htm#FullVsFocused)。 6. 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。 7. 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](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/mc-training-report.htm)。 ## 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](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/training-report.htm#FullVsFocused)。 * 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 * 偏差检测结果 ### 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](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/home-automl.htm)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。 理解训练报告中的术语 | 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](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/preprocessing-steps.htm#ExperimentSetup) | | 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](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/categorical-encoding.htm) | | 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. | [创建新要素列](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/feature-engineering.htm)

[自动特性工程](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/automatic-feature-engineering.htm)

[分类编码](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/categorical-encoding.htm) | | 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](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/holdout-crossvalidation.htm) | | 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](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/optimize-models.htm) | | 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。。 | [训练数据的采样](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/intelligent-model-optimization.htm#Sampling) | | 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](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/holdout-crossvalidation.htm) | | U=用户覆盖 | 指用户手动更改自动识别的特性类型的操作。 | [Changing feature types](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm#Changing) | | 目标结果 | 模型预测的目标列的值。 | [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#Changing) | ## 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： * 专业用户授权（仅适用于基于用户的订阅）。 * 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 * 通过默认权限或自定义安全角色将管理 ML 实验权限设置为允许或管理不含 GenAI 的 ML 实验 * 管理 ML 部署权限通过默认权限或自定义安全角色设置为允许 * 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 * 可管理 * 可以编辑 * 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： * 专业用户授权（仅适用于基于用户的订阅）。 * 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 * 管理 ML 试验权限通过默认权限或自定义安全角色设置为允许或管理不带 GenAI 的 ML 试验 * 管理 ML 部署权限通过默认权限或自定义安全角色设置为允许 * 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 * 可管理 * 可以编辑 * 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 * 可管理 * 可以编辑 * 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。