创建和配置实验

第一步是创建和配置实验。您将使用之前上传的训练数据集来训练模型，直到它准备好部署以进行预测。

创建新实验

执行以下操作：

1. 在 Qlik Cloud 分析 应用中心内，单击新增，然后选择新 ML 实验。

2. 输入实验的名称，例如，客户流失教程。

3. （可选）添加描述和标记。

4. 为您的实验选择一个空间。它可以是您的个人空间或共享空间。

5. 单击创建。

6. 选择 Customer churn data - training.csv 文件。

审查数据

现在，您已经准备好开始配置实验，但在开始之前，让我们先看看数据集。

我们从模式视图开始。在这里，我们可以看到一个表，其中每一行表示数据集中的一列。在自动数据准备中生成了统计数据和见解。您可能必须滚动到模式的右侧才能查看见解。

我们可以看到，由于基数较高，AccountID 已被排除在外。这意味着该列包含太多的唯一值。由于相反的原因，特征 Country 被排除在外：所有行的值都相同。这两个特征不会为机器学习模型提供任何价值。

我们还可以看到，分类特征领土已被 impact encoded。将鼠标悬停在警告 和信息 图标上以获取更多信息。

单击数据视图 图标以更改为数据视图。在这里，我们可以看到关于每一列的更多信息，包括示例数据。

选择目标

我们希望我们的机器学习模型能够预测客户流失，因此我们选择流失（数据集中的最终列）作为我们的目标。

执行以下操作：

• 将鼠标悬停在流失上并单击出现的目标 图标。

在实验配置面板上，我们现在可以看到 Churned 已被选中。我们还可以看到，19 个可能的特征中的 16 个被自动选择，除了 AccountID 和 Country，还有 Churned（目标），这个实验将被视为二进制分类问题。

选择特征

在我们的第一次实验中，我们将包括所有可用的特征和算法。但是，如果根据您的业务知识，您已经知道某些特征对目标没有影响，那么此时可以取消选择这些特征，将其排除在训练之外。

训练实验

配置完成，我们准备开始训练。

执行以下操作：

• 在实验窗口右下角，单击运行实验。

当实验完成运行后，我们可以继续下一步，即检查生成的模型度量。