導覽實驗介面
索引標籤式介面可協助您在模型訓練的各個階段中移動。使用索引標籤和實驗組態面板來訓練和最佳化您的模型。
工具列
使用工具列在介面中的索引標籤之間切換。
在工具列中,您還可以執行下列操作:
-
根據您所在的索引標籤,您可以在已訓練的模型之間切換。
-
按一下
檢視組態 以進一步設定訓練、檢閱目前版本或開始新版本。
ML 實驗中的工具列

組態和訓練資料
此索引標籤可讓您管理實驗資料。當您建立實驗時,組態是唯一顯示的索引標籤。隨著訓練的進行,該索引標籤會重新命名為訓練資料,您可以切換到其他索引標籤進行模型分析。
在此索引標籤中,您可以:
-
在訓練第一個版本之前選取目標。
-
新增或移除特性。
-
檢視特性資料集見解和統計資料。
-
選取新的訓練資料集。
-
設定偏差偵測。
在 結構描述檢視 和
資料檢視 之間切換,以取得訓練資料集的不同表示形式。
ML 實驗中的組態索引標籤。訓練後,此索引標籤會重新命名為訓練資料。

模型
在模型索引標籤中,對訓練結果執行快速分析並探索建議的模型。此索引標籤可協助您比較每個模型的核心指標,並評估不同的預測使用案例。
若要執行更詳細的模型分析,您可以切換到比較和分析索引標籤。
在模型指標表格中或從表格上方的建議中選取模型。您可以檢視:
-
效能分數。
-
模型訓練摘要 (可透過智慧模型最佳化取得)。
-
特性重要性視覺化。
-
特定於實驗類型的其他視覺化。
-
偏差偵測結果。
如需詳細資訊,請參閱 執行快速模型分析。
使用智慧模型最佳化訓練的 ML 實驗中的模型索引標籤
比較
使用內嵌分析詳細比較您的模型。進行選取並自訂儀表板資料,以發掘對模型效能的見解。
在比較索引標籤中,您可以:
-
存取所有可用的模型指標和超參數。
-
比較各個模型的訓練和保留指標。
如需詳細資訊,請參閱 比較模型。
ML 實驗中的比較索引標籤
分析
透過內嵌分析深入了解您訓練的每個模型。
在分析索引標籤中,您可以:
-
進一步分析預測準確度。
-
在精細層級評估特性重要性。
-
檢視特性資料的分布。
-
檢視有關偏差偵測結果的詳細資訊。
如需有關詳細模型分析的詳細資訊,請參閱 執行詳細模型分析。
ML 實驗中的分析索引標籤
實驗組態面板
使用此面板來設定實驗設定。
實驗組態面板在新的實驗中預設為開啟。執行版本後,按一下 檢視組態 以開啟面板。
透過實驗組態面板,您可以:
-
選擇目標和實驗類型
-
設定版本名稱
-
新增或移除特性
-
設定新版本的實驗
-
檢視您正在訓練的模型類型
-
選擇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
-
對於時間序列模型,設定預測設定
-
設定偏差偵測
實驗設定面板
