# 檢閱模型

若要評估機器學習模型，您需要能夠理解模型分數和指標。在某些情況下，理解每個欄位和值如何影響預測結果 (為什麼發生某事) 可能比進行預測更加重要。

## 工作流程

檢閱模型時，完成此逐步工作流程，以獲得最佳結果。

### 步驟 1：理解概念

在開始檢閱模型指標之前，若要對基礎概念有基本的理解，這很實用。在 Qlik Predict，模型指標通常分類為：

* 模型分數

  [解譯模型分數](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/scoring-models.htm)

* 特徵重要性指標

  [理解特徵重要性](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/feature-importance.htm)

此外，也有一些不同的演算法，可用來訓練模型。如需詳細資訊，請參閱[理解模型演算法](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/algorithms.htm)。

### 步驟 2：使用介面執行分析

下一步是使用 Qlik Predict 以評估訓練結果。您可以進行下列事項，以在實驗介面中於各種索引標籤之間切換：

* 檢閱建議的模型

* 檢查訓練資料以查看訓練期間預先處理的方式

* 檢視 Qlik Predict 如何改變特徵選項以最佳化模型的摘要

* 執行核心模型指標的高階分析

* 以個別模型的深度比較和分析更深入地挖掘

如需完整詳細資訊，請參閱下列指南：

* [選取最適合您的模型](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/best-models.htm)

* [執行快速模型分析](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/analyze-models-quick.htm)

* [比較模型](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/analyze-models-compare.htm)

* [執行詳細模型分析](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/analyze-models-detailed.htm)

### 步驟 3：根據需求精簡模型

分析模型後，您可能想要部署其中一個建議的表現最佳模型。如果需要進一步精簡，您可以建立後續版本以改善結果。

依照預設，會在實驗中啟用智慧模型最佳化。此功能會為您排除可能影響模型效能的特徵，以自動精簡模型。假設您有準備完善的資料集，建議應準備好、或幾乎準備好部署。

您也可以在不使用智慧最佳化的情況下開始訓練，或在透過此功能執行一個或多個版本之後關閉此功能。若您需要進一步控制訓練流程，這很實用。

在模型部署之前或之後，可能需要其他精簡。例如，您可能需要變更或重新整理訓練資料，以重新訓練模型。

若要進一步瞭解如何精簡模型，請參閱 [微調模型](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/refining-models.htm)。

完成精簡流程之後，您就準備好部署偏好模型。