# 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，直到它准备好被部署以进行预测。 ## 创建新实验 执行以下操作： 1. 转到 Analytics 活动中心 的创建页面，然后选择 ML 实验。 2. 输入实验的名称，例如 Customer churn tutorial。 3. （可选）添加描述和标签。 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. 选择训练数据集文件。根据您使用的是 CSV 还是 QVD，这将是以下之一： * ML - Churn data - training.csv * ML - Churn data - training.qvd ## 查看数据 现在您已准备好开始配置实验，但在开始之前，让我们先看一下数据集。 我们从 配置 选项卡开始。默认视图是 the 架构视图 icon 。在这里我们可以看到一个表，其中每一行代表数据集中的一列。统计信息和洞察已在自动数据准备中生成。您可能需要滚动到架构的右侧才能看到 洞察。 我们可以看到 AccountID 由于基数过高而被排除。这意味着该列包含太多唯一值。特性 Country 由于相反的原因被排除：所有行的值都相同。这两个特性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性 Territory 已进行影响编码。将鼠标悬停在警告 the 警告三角形 icon 和信息 the 信息 icon 图标上以获取更多信息。 Qlik Predict 中训练数据集的 架构视图 Qlik Predict 中训练数据集的 架构视图 Qlik PredictQlik Predict 中训练数据集的 架构视图架构视图 ![ML 实验中的架构视图，包含有关特性的洞察。](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Resources/Images/ui-ml-exp-view-schema.png) 单击 the 数据视图 icon 。在此视图中，我们可以看到有关每列的更多信息，包括样本数据。 数据视图 数据视图 数据视图数据视图 ![实验配置中的数据视图。](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Resources/Images/ui-ml-exp-view-data.png) ## 选择目标 我们希望我们的机器学习模型预测客户流失，因此我们选择数据集中的最后一列 Churned 作为我们的目标。 执行以下操作： 1. 切换回 the 架构视图 icon 。 2. 单击 Churned 的单选按钮。 架构视图中的一行被选为目标 架构视图中的一行被选为目标 架构视图中的一行被选为目标 ![所选目标的表行。](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_ml-tutorial_target.png) 在实验配置面板中，展开 实验设置。您可以看到 Churned 已被选为目标。根据您的目标和可用的特性数据，实验类型 为 二元分类。 您还可以看到哪些特性被自动选择和排除。Churned 是目标，因此它不会被用作特性。 配置面板中显示的信息 配置面板中显示的信息 配置面板中显示的信息 ![包含所选目标、实验类型和默认特性选择的实验配置面板](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_ml-tutorial-exp-configuration.png) ## 特性选择和模型优化 默认情况下，实验设置为使用智能模型优化。要确认，请在实验配置面板中展开 模型优化。智能 选项应被选中。 在配置面板中确认智能模型优化 在配置面板中确认智能模型优化 在配置面板中确认智能模型优化 ![开启智能模型优化的实验配置面板](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_ml-tutorial_optimization.png) 可以在配置面板的 特性 部分手动配置特性选择。通过智能模型优化，特性选择通过移除无用的特性来自动处理。开启此设置后，我们可以在训练中包含所有可用的特性。 ## 训练实验 配置已完成，我们准备好开始训练。 执行以下操作： * 单击 运行实验。 当实验运行完成后，我们可以进入下一步，即查看生成的模型指标。