分析模型
Qlik AutoML 提供豐富的視覺體驗，以便分析您在實驗中訓練的模型。您可以使用包括自動產生的摘要和視覺化的簡單介面來分析關鍵模型指標。如需更詳細的分析和比較，可以使用內嵌分析。
開始之前
分析模型之前，若對模型檢閱概念能有基本理解，會很有幫助。這包括模型分數、特徵重要性和演算法。
如需資訊，請參閱 理解模型檢閱概念
快速分析
透過快速分析，您可以快速理解模型訓練進行得如何，以及產生的模型品質。
深入探討分析之前，建議您開啟資料索引標籤，以查看如何處理訓練資料。這會很重要，因為可能會在該版本中發現特徵沒有用處。
開啟實驗中的模型索引標籤，以取得訓練結果概述。您可以快速比較模型並識別表現最佳者。您在此索引標籤中看見的資訊取決於您是否使用智慧模型最佳化，以及實驗的問題類型。
如需綜合指南，請參閱 執行快速模型分析。
模型比較
使用內嵌分析執行模型的互動式深度比較。您可以在比較索引標籤中執行這些比較。
模型比較期間，您可以：
-
比較所有模型的所有可用模型指標。
-
檢視並比較所有模型的訓練和鑑效組分數。
-
比較所有模型的超參數值。
如需綜合指南，請參閱 比較模型。
詳細分析
在實驗的分析索引標籤中，執行特定模型的詳細分析。詳細分析透過內嵌分析來執行。您可以透過互動方式篩選資料，以進一步理解具體資料叢集的模型效能。
透過詳細模型分析，您可以識別訓練資料造成的問題，並進一步瞭解模型的優點和缺點。
如需綜合指南，請參閱 執行詳細模型分析。
接下來的步驟
您的後續步驟取決於您最佳化模型的方式。
智慧模型最佳化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。模型品質仍取決於訓練資料的品質和實驗設定。分析模型並處理任何其他資料品質或實驗設定的問題之後，您就準備好部署表現最佳的模型。
若您在執行智慧模型最佳化之後，發現其他問題，或者若您從一開始就關閉了智慧模型最佳化，則您可以手動設定新的實驗版本，以改善產生的模型。
精簡步驟的範例包括：
若開始時沒有使用智慧最佳化，則在之後開啟。
使用智慧最佳化執行某個版本之後，關閉智慧最佳化。這可讓您根據需求改善設定。
變更或重新整理訓練資料。
變更包括的特徵。
變更特徵資料的處理 (例如，變更特徵的特徵類型)。
達到所需結果時，部署最佳模型。如需詳細資訊，請參閱：