# 比較模型 在實驗的比較索引標籤中，您可以針對您訓練的模型檢視所有模型分數和超參數。使用內嵌分析的比較模型。 訓練完成後，在比較索引標籤中對模型執行比較分析。若您已完成比較模型，可以切換至分析索引標籤以便詳細分析個別模型。如需詳細資訊，請參閱[執行詳細模型分析](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/analyze-models-detailed.htm)。 ## 分析工作流程 如需完整理解模型訓練結果，建議您完成快速分析，然後在比較和分析索引標籤中繼續進行其他選項。快速分析提供模型訓練摘要，顯示已在智慧最佳化流程期間捨棄哪些特徵，也提供自動產生的視覺化數量，以供快速取用。比較和分析索引標籤不會顯示模型訓練摘要，但可讓您更深入地向下探查模型指標，以進一步理解模型品質。如需更多關於快速分析的資訊，請參閱 [執行快速模型分析](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/analyze-models-quick.htm)。 ## 理解概念 在開始比較模型之前，若對模型分析背後的概念能有基本理解，會很有幫助。如需詳細資訊，請參閱[理解模型檢閱概念](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/model-review-concepts.htm)。 ## 最佳化設定對分析的影響 對於分類和迴歸實驗，根據您是否已使用智慧模型最佳化，您的分析體驗可能有些微不同。依照預設，會為新的分類和迴歸實驗開啟智慧模型最佳化。 ### 透過智慧最佳化訓練的分析模型 依照預設，會透過智慧模型最佳化執行新的分類和迴歸實驗。 資訊備註智慧型模型最佳化不適用於時間序列實驗。 智慧模型最佳化提供更健全的訓練流程，理想上會建立準備好部署的模型，只需要稍微精簡或不需要進一步精簡。這些模型的效能在部署以用於生產使用情況時，仍取決於透過包括相關特徵和資料的高品質資料集來訓練。 若您的版本已透過智慧模型最佳化進行訓練，請考慮下列事項： * 根據演算法如何分析資料，版本中的每個模型可以有不同的特徵選項。 * 從模型索引標籤，請先閱讀模型的模型訓練摘要，再深入瞭解特定分析。模型訓練摘要顯示了 Qlik Predict 如何透過迭代特徵選取和套用進階轉換來自動最佳化模型的摘要。 如需更多關於智慧模型最佳化的資訊，請參閱 [智慧模型最佳化](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/intelligent-model-optimization.htm)。 ### 不透過智慧最佳化訓練的分析模型 或者，也可以關閉訓練版本的智慧模型最佳化。若您需要進一步控制訓練流程，手動模型最佳化會很實用。 若您使用了手動最佳化，版本中的所有模型將有相同的特徵選項，因此不需要模型訓練摘要。 ## 檢查組態 在預處理期間，特性可能已在訓練中被排除。這通常是因為隨著訓練的進行，與您執行版本之前相比，已知更多關於數據的資訊。 檢視 模型訓練摘要 (僅在進行智慧最佳化時顯示) 後，如果您需要檢查這些其他變更，可以仔細查看實驗組態。 請執行下列動作： 1. 在實驗中，切換至 訓練數據 索引標籤。 2. 確保您處於 the 結構描述檢視 icon 。 3. 使用工具列中的下拉式功能表從版本中選取模型。 4. 分析模型結構描述。您可能需要專注於 洞察 和 特性類型 欄，以查看某些特性是否已捨棄或已轉換為不同的特性類型。 例如，最初標記為 可能自由文字 的特性可能在您執行版本後已被排除。 如需每個洞察代表意義的詳細資訊，請參閱 [解讀資料集深入剖析](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/dataset-insights.htm#Explanations)。 請注意，如果您使用預設的智慧最佳化選項執行版本，由於自動調整，版本中的每個模型可能具有不同的特性選擇。如果執行版本時未使用智慧最佳化，則版本中所有模型的特性選擇將相同。如需智慧模型最佳化的詳細資訊，請參閱 [智慧模型最佳化](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/intelligent-model-optimization.htm)。 根據您在此組態中發現的內容，您可能需要返回資料集準備階段以改善您的特性資料。 ## 啟動模型比較 請執行下列動作： * 在訓練完成後開啟比較索引標籤。 分析內容取決於模型類型，如實驗目標所定義。不同的指標將可用於不同的模型類型。 ## 導覽內嵌分析 使用介面，以互動方式比較模型與內嵌分析。 ### 在工作表之間切換 工作表面板可讓您於分析中在工作表之間切換。每個工作表有特定焦點。可以根據需要展開並收合面板。 ### 選取選項 使用選項以精簡資料。您可以選取模型、特徵和其他參數。這可讓您更仔細地查看訓練詳細資訊。在某些情況下，您可能需要選取一個或多個選項，以便顯示視覺化。按一下視覺化和篩選窗格中的資料值，以進行選取。 您可以就選項進行下列事項： * 按一下內容、定義範圍並繪製，藉此選取值。 * 在圖表內搜尋以選取值。 * 按一下內嵌分析的頂端工具列中的所選欄位。這可讓您在現有選項中搜尋，鎖定或解鎖選項，並進一步修改選項。 * 在內嵌分析的頂端工具列中，按一下 the 移除 icon 以移除選項。按一下 the 清除選項 icon 圖示，以清除所有選項。 * 按一下 the 在選項中返回一步 icon 和 the 在選項中前進一步 icon，以在選項中向前或向後。 分析包含篩選窗格，以便更輕鬆地精簡資料。在篩選窗格中，按一下值的核取方塊以進行選取。若篩選窗格包含多個清單方塊，按一下清單方塊以展開，然後選取任何所需選項。 ### 自訂表格 表格視覺化可讓您自訂外觀和質感，以及其中顯示的欄。可以透過下列選項自訂表格： * 按一下並拖曳欄外框，以調整欄寬 * 按一下欄標頭以便： * 調整欄的排序 * 搜尋欄中的值 * 套用選項 ### 載入資料 按一下載入資料以透過最新訓練資料重新整理分析。若在您開啟分析之後，您或其他使用者執行其他訓練版本，則您將需要載入資料，以視覺化這些較新的版本。 ### 將資料匯出至目錄 您可以將模型比較分析中使用的資料匯出至目錄。資料匯出至 Qlik Cloud 分析 中的空間。您可以使用匯出的資料建立您自己的 Qlik Sense 應用程式以進行自訂分析。 如需詳細資訊，請參閱[匯出模型訓練資料](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/export-model-data.htm)。 ## 依特定指標排名模型 模型比較工作表包含互動式圖表，可以視覺化各個模型在指定指標上的比較情況。使用每個圖表之下的篩選窗格視覺化不同的指標。使用此自訂顯示對您的預測使用情況最重要的指標。 比較索引標籤的模型比較工作表 比較索引標籤的模型比較工作表 比較比較索引標籤的模型比較模型比較工作表![比較式模型分析，顯示關鍵指標和視覺化](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_gen-experiment-model-comparison.png) ## 比較模型分數和超參數值 在詳細資訊工作表上，模型分數和超參數會以表格格式顯示。使用工作表左側的篩選窗格，根據需求新增並移除模型和指標。 ### 比較鑑效組分數和訓練分數 詳細資訊工作表顯示的指標是根據自動鑑效組資料 (用來在訓練後驗證模型效能的資料)。您也可以將訓練資料指標新增至模型指標表格，以與鑑效組分數比較。這些分數通常會很類似，但如果有顯著的差異，可能就有資料滲漏或過適的問題。 請執行下列動作： 1. 在比較索引標籤上，開啟詳細資訊工作表。 2. 在工作表左側的要顯示的欄區段，展開指標篩選窗格。 3. 選取並取消選取核取方塊，以根據需求變更欄。訓練資料指標可新增為欄。 這些欄將會新增至模型指標表格。 您可以比較模型的所有評分指標。將其他指標新增至表格，包括訓練資料指標。 您可以比較模型的所有評分指標。將其他指標新增至表格，包括訓練資料指標。 您可以比較模型的所有評分指標。將其他指標新增至表格，包括訓練資料指標。![比較式模型分析，顯示模型分數和超參數表格，以及展開的清單方塊，以新增訓練資料指標](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_gen-experiment-model-comparison-tables.png) ## 比較預測視窗的預測誤差 「時間序列預測」工作表僅適用於時間序列實驗。在此工作表中，您可以分析[預測視窗](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework-time-series.htm#ForecastHorizon)中每個時間步驟的平均絕對相對預測誤差。此資訊會個別顯示每個模型。此工作表可協助您了解每個模型在預測品質方面受到最大影響的位置。 模型比較分析中的時間序列預測工作表，顯示與時間序列實驗相關的資訊。 模型比較分析中的時間序列預測工作表，顯示與時間序列實驗相關的資訊。 模型比較分析中的時間序列預測時間序列預測工作表，顯示與時間序列實驗相關的資訊。![比較模型分析，顯示時間序列預測錯誤指標](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_gen-experiment-model-comparison-time-series.png)