建立與設定實驗
第一步是建立與設定實驗。您將使用先前上傳的訓練資料集來訓練模型，直到準備好部署以進行預測為止。
建立新實驗
請執行下列動作：
-
前往 分析 活動中心 的「建立」頁面，然後選取 ML 實驗。
-
輸入您的實驗名稱，例如 Customer churn tutorial。
-
選擇性地新增描述與標籤。
-
選擇實驗的空間。它可以是您的個人空間或共用空間。
-
按一下 建立。
-
選取訓練資料集檔案。這將是下列其中一項，取決於您使用的是 CSV 還是 QVD：
-
ML - Churn data - training.csv
-
ML - Churn data - training.qvd
-
檢閱資料
現在您已準備好開始設定實驗，但在開始之前，讓我們先看看資料集。
我們從 設定 索引標籤開始。預設檢視為 
結構描述檢視。在這裡我們可以看到一個表格，其中每一列代表資料集中的一個欄。統計資料與深入分析已在自動資料準備中產生。您可能需要捲動到結構描述的右側才能看到 深入分析。
我們可以看到 AccountID 由於基數過高而已排除。這表示該欄包含太多唯一值。特性 Country 則因為相反的原因而已排除：所有列的值都相同。這兩個特性不會為機器學習模型提供任何價值。
我們還可以看到類別特性 Territory 已進行影響編碼。將游標暫留在警告 
和資訊 
圖示上以取得更多資訊。
Qlik Predict 中訓練資料集的 結構描述檢視
按一下 
資料檢視。在此檢視中，我們可以看到有關每個欄的更多資訊，包括樣本資料。
資料檢視
選取目標
我們希望機器學習模型預測客戶流失，因此我們選取資料集中的最後一個欄 Churned 作為我們的目標。
請執行下列動作：
-
切換回
結構描述檢視。 -
按一下 Churned 的選項按鈕。
結構描述檢視中的一列被選為目標
在實驗設定面板中，展開 實驗設定。您可以看到 Churned 已被選為目標。根據您的目標與可用的特性資料，實驗類型 為 二元分類。
您還可以看到哪些特性會自動選取與已排除。Churned 是目標，因此不會被用作特性。
設定面板中顯示的資訊
特性選取與模型最佳化
根據預設，實驗設定為使用智慧模型最佳化。若要確認，請在實驗設定面板中展開 模型最佳化。應選取 智慧 選項。
在設定面板中確認智慧模型最佳化
可以在設定面板的 特性 區段中手動設定特性選取。透過智慧模型最佳化，特性選取會藉由移除無用的特性來自動處理。開啟此設定後，我們可以在訓練中包含所有可用的特性。
訓練實驗
設定已完成，我們準備好開始訓練。
請執行下列動作：
-
按一下 執行實驗。
當實驗執行完畢後，我們可以繼續進行下一步，也就是檢閱產生的模型指標。