# 檢視關於訓練資料的深入資訊
新增訓練資料並執行訓練版本時，您可以存取關於如何處理資料的深入資訊。深入資訊提供關於實驗中目標和特徵的資訊，例如已捨棄、無法使用或將會以特殊處理方式編碼的特徵。
深入解析可在 組態/訓練資料 索引標籤中的 the 結構描述檢視 icon 與 the 資料檢視 icon 找到：
* 在 結構定義檢視 中：位於 深入分析 欄。
* 在 資料檢視 中：在針對每個資料集資料行所提供的資訊中，顯示為 深入解析。
會為實驗內訓練的每個模型分別建立深入資訊。
結構描述檢視中的深入資訊欄
結構描述檢視中的深入資訊欄
結構描述檢視結構描述檢視中的深入資訊深入資訊欄 
產生深入資訊的時機：
* 新增或變更訓練資料後，但尚未執行任何實驗版本。
* 每個實驗版本執行後。為訓練的每個模型建立一組獨立的深入資訊。
執行版本之前和之後，深入資訊可能會不同。這是因為訓練開始時，Qlik Predict 能夠預先處理資料並透過資料進一步診斷問題。如需詳細資訊，請參閱 [自動資料準備和轉換](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/preprocessing-steps.htm)。
## 在訓練之前檢視深入資訊
執行實驗版本之前，您可以分析深入資訊，以查看如何解譯目前的訓練資料。這些深入資訊會在執行版本之後變更。
請執行下列動作：
1. 在實驗中，確認您已新增要用於實驗版本的訓練資料。
2. 開啟訓練資料分頁。
3. 分析深入資訊。工具提示提供深入資訊背後的其他內容。如需其他關於每個深入資訊意義的說明，請參閱 [解譯資料集深入資訊](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/dataset-insights.htm#Explanations)。
## 檢視模型的深入資訊
模型完成實驗版本的訓練之後，選取模型並檢查如何處理資料。
請執行下列動作：
1. 執行實驗版本，然後開啟 設定/訓練資料 索引標籤。
2. 從工具列中的下拉式清單選取模型。
3. 分析深入資訊。工具提示提供深入資訊背後的其他內容。如需其他關於每個深入資訊意義的說明，請參閱 [解譯資料集深入資訊](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/dataset-insights.htm#Explanations)。
## 解譯資料集深入資訊
下列表格更詳細地提供顯示在結構描述中的可能深入資訊：
### 一般深入資訊
資料集深入資訊 — 一般
| 深入資訊 | 意義 | 對設定的影響 | 決定深入資訊時 | 其他參考 |
| --- | --- | --- | --- | --- |
| 常數 | 欄對所有列有相同的值。 | 欄無法作為目標或包含的特徵使用。 | 執行版本之前和之後 | [基數](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/cardinality.htm) |
| One-hot encoded | 特徵類型是類別，且欄的唯一值少於 14 個。 | 對設定沒有影響。 | 執行版本之前和之後 | [類別編碼](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/categorical-encoding.htm) |
| 影響已編碼 | 特徵類型是類別，且欄有 14 個或更多唯一值。 | 對設定沒有影響。 | 執行版本之前和之後 | [類別編碼](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/categorical-encoding.htm) |
| 高基數 | 欄有太多唯一值，若作為特徵使用，可能會對模型效能造成負面影響。 | 欄無法作為目標使用。這將會自動排除作為特徵，但如有需要，仍然可以納入。 | 執行版本之前和之後 | [基數](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/cardinality.htm) |
| 疏鬆資料 | 欄有太多 Null 值。 | 欄無法作為目標或包含的特徵使用。 | 執行版本之前和之後 | [Null 插補](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/null-imputation.htm) |
| 缺乏代表的分類 | 欄有少於 10 列的分類。 | 欄無法作為目標使用，但可以作為特徵納入。 | 執行版本之前和之後 | - |
| 特徵轉換失敗 | 某個特徵的特徵類型已從其預設類型手動變更。使用此設定時，發生錯誤。 | 此實驗版本無法使用此特徵轉換成功執行。將該特徵的特徵類型恢復為之前的值，或從訓練中排除該特徵。 | 執行版本之後 | [變更特徵類型](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/configuring-experiments.htm#Changing) |
### 自動特徵設計深入資訊
資料集深入資訊 — 自動特徵設計
| 深入資訊 | 意義 | 對設定的影響 | 決定深入資訊時 | 其他參考 |
| --- | --- | --- | --- | --- |
| <數量> 個自動工程特徵 | 該欄是父特徵，可用來產生自動設計的特徵。 | 若此父特徵解譯為日期特徵，這會從設定中自動移除。建議您改用自動設計且可從中產生的日期特徵。可以覆寫此設定並納入特徵，而非自動設計的特徵。 | 執行版本之前和之後 | [自動特徵設計](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/automatic-feature-engineering.htm) |
| 自動設計的特徵 | 該欄是自動設計的特徵，可以或已經從父日期特徵產生。這不會顯示在原始資料集中。 | 您可以在實驗訓練期間移除其中一個或多個自動設計的特徵。若您將父特徵的特徵類型切換為類別，則會移除所有自動設計的特徵。 | 執行版本之前和之後 | [自動特徵設計](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/automatic-feature-engineering.htm) |
| 無法作為日期來處理 | 欄可能包括日期和時間資訊，但無法用來建立自動設計的日期特徵。 | 會從設定中捨棄該特徵。若先前已從此父特徵產生自動設計的特徵，則會從末來的實驗版本中移除。您仍然可以在實驗中使用該特徵，但您必須將其特徵類型切換為類別。 | 執行版本之後 | [自動特徵設計](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/automatic-feature-engineering.htm#Date) |
| 可能的自由文字 | 該欄可能無法作為自由文字特徵使用。 | 會向該欄指派自由文字特徵類型。您必須執行實驗版本，以確認是否可以將特徵作為自由文字來處理。 | 執行版本之前 | [自動特徵設計](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/automatic-feature-engineering.htm#FreeText) |
| 自由文字 | 已確認該欄包含自由文字。可以作為自由文字來處理。 | 不需要對特徵進行其他設定。 | 執行版本之後 | [自動特徵設計](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/automatic-feature-engineering.htm#FreeText) |
| 無法作為自由文字來處理 | 進一步分析時，該欄無法作為自由文字來處理。 | 您需要在下一個實驗版本從設定取消選取特徵。若特徵沒有高基數，您可以將特徵類型變更為類別。 | 執行版本之後 | [自動特徵設計](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/automatic-feature-engineering.htm#FreeText) |
### 智慧模型最佳化深入資訊
資料集深入資訊 — 智慧模型最佳化
| 深入資訊 | 意義 | 對設定的影響 | 決定深入資訊時 | 其他參考 |
| --- | --- | --- | --- | --- |
| 目標外洩 | 懷疑特徵受到目標外洩影響。若如此，這包括關於您嘗試預測之目標欄的資訊。有目標外洩情況的特徵會讓您對模型效能有虛假的安心感。在現實預測中，這會造成模型執行得非常差。 | 特徵未用來訓練模型。 | 執行版本之後 | [資料滲漏](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/data-leakage.htm) |
| 低置換重要性 | 特徵對模型預測的影響沒有很大 (如有)。移除這些特徵可降低統計雜訊，藉此改善模型效能。 | 特徵未用來訓練模型。 | 執行版本之後 | [理解置換重要性](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/permutation-importance.htm) |
| 高度關聯 | 特徵與實驗中的一個或多個其他特徵高度關聯。具有與另一個降低的模型效能高度關聯的特徵。 | 特徵未用來訓練模型。並未由於高度關聯而捨棄有高度關聯的特徵，而可能基於另一個原因捨棄，例如置換重要性低。 | 執行版本之後 | [相互關聯](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/correlation.htm) |
### 時間序列預測深入資訊
資料集深入資訊 — 時間序列預測
| 深入資訊 | 意義 | 對設定的影響 | 決定深入資訊時 | 其他參考 |
| --- | --- | --- | --- | --- |
| 可能的日期索引 | 該功能可能可以作為時間序列實驗的日期索引來使用。 | 如果作為時間序列日期索引來使用，欄中的資料可能會影響時間序列設定的各個層面，例如您可以預測多久的未來。
日期索引中的值需要以固定的時間間隔隨著每一列或唯一群組值增加。 | 執行版本之前 | [使用時間序列實驗](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-series-experiment.htm)
[日期索引](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework-time-series.htm#DateIndex) |
### 偏差偵測深入資訊
資料集深入資訊 — 偏差偵測
| 深入資訊 | 意義 | 對設定的影響 | 決定深入資訊時 | 其他參考 |
| --- | --- | --- | --- | --- |
| 偵測到資料偏差 | 相較於其他群組，目標欄中的某些群組 (值) 未獲充分代表。 | 分析偏差偵測結果以決定後續步驟—這些步驟可能包括捨棄功能，特性、變更資料集，或使用修訂的架構建立新實驗。 | 執行版本之後 | [偵測機器學習模型中的偏差](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/bias-detection.htm) |
| 偵測到代表偏差 | 已偵測到訓練模型在使用來自功能，特性的資料來建立預測時存在偏差。 | 分析偏差偵測結果以決定後續步驟—這些步驟可能包括捨棄功能，特性、變更資料集，或使用修訂的架構建立新實驗。 | 執行版本之後 | [偵測機器學習模型中的偏差](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/bias-detection.htm) |