跳到主要內容 跳至補充內容

導覽實驗介面

索引標籤式介面可讓您在模型訓練體驗中的各種流程之間導覽。各種索引標籤,以及實驗設定面板,可讓您執行多種任務,以協助您訓練並最佳化模型。

工具列

您可在工具列於介面中的各種索引標籤之間切換。

在工具列中,您也可以進行下列事項:

  • 根據您位於哪個索引標籤,您可以在訓練的模型之間切換。

  • 按一下 檢視設定,以進一步修改實驗訓練、檢閱目前版本,或開始設定新版本。

AutoML 實驗中的工具列

ML 實驗中的工具列

資料

此索引標籤可讓您管理實驗中的資料。首次建立實驗時,這是您唯一看見的索引標籤。隨著實驗訓練,您可以切換至模型分析的其他索引標籤。

資料索引標籤中,您可以:

  • 在訓練第一個版本之前選取目標

  • 新增或移除特徵

  • 檢視特徵資料集深入資訊和統計資料。

  • 選取新的訓練資料集。

架構 結構描述檢視表格 資料檢視之間切換,以不同的方式呈現訓練資料集。

AutoML 實驗中的資料索引標籤

使用者執行訓練版本之前,ML 實驗中的「資料」索引標籤

模型

執行訓練結果的快速分析。模型索引標籤可讓您快速理解並比較每個模型的核心指標。若要執行更詳細的模型分析,您可以使用比較分析索引標籤。

模型指標表格中按一下模型,以檢視:

  • 效能分數。

  • 模型訓練摘要 (可用於智慧模型最佳化)。

  • 特徵重要性視覺化。

  • 其他特定於實驗類型的視覺化。

如需詳細資訊,請參閱 執行快速模型分析

透過智慧模型最佳化所訓練的 AutoML 實驗中的模型索引標籤

ML 實驗中的「模型」索引標籤,顯示摘要、核心模型指標和自動產生的視覺化

比較

使用內嵌分析詳細比較模型。選取選項並自訂儀表板中呈現的資料,以發現關於模型的深入資訊。

比較索引標籤中,您可以:

  • 存取所有可用模型指標和超參數。

  • 比較各個模型的訓練和鑑效組指標。

如需詳細資訊,請參閱 比較模型

ML 實驗中的比較索引標籤

ML 實驗中的比較式模型分析

分析

以內嵌分析深入探索您訓練的每個模型。

分析索引標籤中,您可以:

  • 進一步分析預測準確度。

  • 在細微性層級評估特徵重要性。

  • 檢視特徵資料的分佈。

如需更多關於詳細模型分析的資訊,請參閱 執行詳細模型分析

ML 實驗中的分析索引標籤

ML 實驗中的「分析」索引標籤,顯示預測準確度和特徵重要性

實驗設定面板

按一下 架構 檢視設定,以展開實驗設定面板。透過此展開的面板,您可以開始設定新版本並進行自訂,以便進一步控制訓練流程。

藉由實驗設定面板,您可以:

  • 在訓練第一個版本之前選取目標

  • 新增或移除功能

  • 設定新的實驗版本

  • 選取以變更或重新整理訓練資料集

  • 新增或移除演算法

  • 變更模型最佳化設定

實驗設定面板

ML 實驗中擴展的自訂面板

此頁面是否對您有幫助?

若您發現此頁面或其內容有任何問題——錯字、遺漏步驟或技術錯誤——請告知我們可以如何改善!