# 使用实验

将历史数据加载到自动化机器学习实验中，并训练模型以分析和预测业务问题。

您可以在个人或共享空间中创建和编辑实验。

## 工作流

在 Qlik Cloud Analytics 中创建自动化机器学习实验之前，您需要有一个明确定义的机器学习问题，并在目录中提供合适的训练数据集。有关详细信息，请参阅 [定义机器学习问题](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework.htm) 和 [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)。

以下步骤描述了实验工作流。

1. 创建实验

   在 Qlik Cloud 中创建新实验。如果要进行协作，请将其添加到共享空间。

   [创建实验](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/creating-experiments.htm)

2. 配置实验

   选择要进行预测的目标以及支持预测的特性。

   [Configuring experiments](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm)

3. 开始训练

   开始训练您的第一个实验版本。

   [训练实验](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/training-experiments.htm)

4. 查看推荐的模型

   查看模型训练的进展情况，并评估向您推荐的模型。使用内置工具分析训练摘要和嵌入式分析，这些工具可提供实验、版本和模型级别的洞察。

   [检查模型](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/reviewing-experiments.htm)

   如果需要进一步优化，您可以配置实验的后续版本。调整特性和算法等参数，并重新训练实验的新版本，直到获得一个好的模型。

   [微调模型](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/refining-models.htm)

5. 部署模型

   当您获得一个好的模型时，就可以部署它并开始进行预测了。

   [使用 ML 部署](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-deployments.htm)

## 要求和权限

有关在共享空间中使用 ML 实验所需的空间角色的信息，请参阅：

* [专业用户和基于容量的订阅用户的共享空间权限](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-prof-full.htm)

* [管理员的共享空间权限](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-admin.htm)

如果您是管理员，请参阅 [谁可以使用 Qlik Predict](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm)，以获取有关使用 ML 实验所需用户权限的全面概览。

## 查看世系和影响分析

使用 Qlik Cloud 中的世系和影响分析工具，您可以分析：

* ML 实验的来源以及用于训练每个模型的数据。

  [分析机器学习内容的世系](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/lineage.htm#MLLineage)

* ML 实验及其输出在整个 Qlik Cloud 的下游内容中是如何被使用的。

  [机器学习内容的影响分析](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/Catalog/impact-analysis2.htm#MLImpact)