導覽實驗介面
上次更新:2026-11-10索引標籤介面可協助您逐步進行模型訓練的各個階段。使用索引標籤與實驗設定面板來訓練並最佳化您的模型。
工具列
使用工具列於介面中的索引標籤之間切換。
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 以進一步設定訓練、檢閱目前版本,或開始新版本。
ML 實驗中的工具列

設定與訓練資料
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。隨著訓練進行,該分頁會重新命名為 訓練資料,且您可以切換至其他分頁以進行模型分析。
在此分頁中,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,並檢閱資料品質警告。
-
選取新的訓練資料集。
-
配置偏差偵測。
在 結構描述檢視和
資料檢視之間切換,以不同的方式呈現訓練資料集。
ML 實驗中的 組態 索引標籤。訓練完成後,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,您可以切換至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一個模型。您可以檢視:
-
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。
-
偏差偵測結果。
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 ML 實驗中的模型索引標籤
比較
使用內嵌分析詳細比較模型。進行選取並自訂儀表板資料,以發掘模型效能的深入解析。
在比較索引標籤中,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
分析
以內嵌分析深入探索您訓練的每個模型。
在分析索引標籤中,您可以:
-
進一步分析預測準確度。
-
在細微性層級評估特徵重要性。
-
檢視特徵資料的分佈。
-
檢視偏差偵測結果的詳細資訊。
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
實驗設定面板
使用此面板來設定實驗設定。
在新的實驗中,預設會開啟實驗設定面板。執行版本後,按一下 檢視設定 以開啟面板。
藉由實驗設定面板,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
