在 Qlik Answers 中使用機器學習 | Qlik Cloud 說明
跳到主要內容 跳至補充內容

Qlik Answers 中使用機器學習

上次更新:2026/9/8

你可以運用 Qlik Answers 的人工智慧驅動技術,來處理 Qlik Predict 自動化機器學習。

在代理式Qlik Answers體驗中,您可以使用自然語言建立並執行機器學習工作流程。您可以從相同的聊天體驗中探索資料集、設定和訓練實驗,以及執行預測。

使用 PredictQlik Answers

在代理式體驗中訓練 ML 實驗
Govnote-not-inQlik Cloud 政府 中不支援。
Govnote-not-inQlik Cloud 政府 - DoD 中不支援。

開始之前

必要條件:

開啟 Qlik PredictQlik Answers

  1. 按一下開啟Answers以開啟Qlik Answers

  2. 在下拉式選單中,選取 Predict

    開啟 Predict

    選擇聊天中的預測代理

端到端工作流程

使用下列工作流程,搭配 Predict 進行作業。

步驟 1: 資料集探索和洞察

使用資料集洞察來了解資料品質和候選欄位,然後再進行訓練。詢問深入見解和 目標 建議。

您也無需知道您想使用的資料集的確切名稱—您可以索取可用資料集的清單。

資料集探索與洞察的範例問題
動作 範例問題 備註
資料集選擇
  • 顯示可用的訓練資料集

  • 我可以使用哪些資料集進行訓練?

  • 列出資料集

-
資料集深入資訊
  • 可以顯示我資料集的深入分析,針對 <dataset name>

此外,您可以先在Qlik Cloud中開啟資料集,然後提出問題,例如:

  • 可以顯示此資料集的資料集深入分析嗎?

  • 此資料集中的哪些特徵具有高基數

目標建議
  • 您建議使用哪個欄位作為目標?

  • 您對目標有何建議?

  • 訓練好的模型應該預測哪個欄位?

在選取資料集並探索洞察後,可用作追蹤問題。

步驟 2: 實驗訓練與監控

描述您的目標,讓代理程式設定並執行實驗。支援迴歸與分類實驗類型。在您選取資料集和目標後,系統會提示您開始訓練。

如果您之前已經啟動了機器學習工作流程,您可以要求 Predict 監控現有實驗。

實驗訓練和監控的範例問題
動作 範例問題 備註
實驗訓練 (已選取資料集)
  • 我想要預測 <column name>

  • 將 <column name> 作為目標

在選定要使用的訓練資料集後,可用作追蹤問題。
實驗訓練 (未選取資料集)
  • 訓練模型以預測 <column name>;使用 <dataset name or a keyword>

  • 建立一個實驗,使用 <資料集名稱或關鍵字> 資料

這些問題可以幫助您直接開始,而無需手動按名稱搜尋資料集。
實驗監控
  • 列出我最近的實驗及其狀態

  • 我的實驗狀態如何?
-

步驟 3: 模型解釋與建議

訓練完成後,您可以要求以淺白語言解釋模型行為,以及根據模型輸出提出的建議。

模型分析的範例問題
動作 範例問題 備註
模型建議
  • 這個實驗中最好的模型是什麼

  • 我已開啟實驗 <experiment name>。什麼是最佳模型

  • 我已開啟實驗 <experiment name>。為商業受眾總結最佳模型效能

為了獲得最佳結果,您需要麼在瀏覽器中開啟實驗,麼在提示中提及實驗名稱。
模型指標與深入分析
  • 在這個實驗中,最佳的模型演算法是什麼?

  • 我已開啟實驗 <experiment name>。最佳模型的衡量標準是什麼?

  • 探索此實驗的模型洞察和功能,特性重要性

  • 我已開啟實驗 <experiment name>。哪些特徵對此模型影響最大?

為了獲得最佳結果,您需要麼在瀏覽器中開啟實驗,麼在提示中提及實驗名稱。

在聊天中分析模型時,您也可以點擊 檢視來源 以展開更多詳細資訊,包括功能,特性重要性解析圖表以及自然語言洞察。

使用檢視原始碼來分析內嵌圖表的模型

使用檢視原始碼分析內嵌圖表的模型

步驟 4:部署、啟用和預測

訓練後,您可以部署模型,建立 ML 部署。在您要求部署模型後,系統會提示您確認部署。

您也可以執行 批次預測,使用您已部署的模型。系統會搜尋相容的 應用資料集 並列出供您選擇。您也可以使用自然語言提示來選擇特定的應用資料集。

已部署的模型會隨著預測的建立而自動啟用,視訂閱的可用容量而定。

部署與預測的範例問題
動作 範例問題 備註
模型部署與監控
  • 部署此實驗的最佳模型

  • 我已開啟實驗 <experiment name>。檢視部署詳細資料

  • 檢查此實驗的部署狀態

在模型分析後直接提出的追蹤問題,會很有用。

為了獲得最佳結果,您需要麼在瀏覽器中開啟實驗,麼在提示中提及實驗名稱。

預測—開始請求
  • 使用此部署執行預測

  • 使用部署 <deployment name> 執行預測

為獲得最佳結果,您需要將部署在瀏覽器中開啟,或在提示中參考部署名稱。
預測—選取套用資料集
  • 使用 <apply dataset name> 作為此部署的應用資料集進行預測

  • 我已開啟部署 <deployment name>。使用 <apply dataset name> 資料集執行預測

為獲得最佳結果,您需要將部署在瀏覽器中開啟,或在提示中參考部署名稱。
預測—監控狀態
  • 檢查此部署的批次預測狀態

為獲得最佳結果,您需要將部署在瀏覽器中開啟,或在提示中參考部署名稱。
預測—探索預測輸出
  • 我已開啟部署 <deployment name>。探索目前的預測結果

  • 顯示我針對此部署的最新預測

為獲得最佳結果,您需要將部署在瀏覽器中開啟,或在提示中參考部署名稱。

提問的最佳實踐

為獲得最佳結果,當使用Qlik PredictQlik Answers時,請追蹤以下一般準則:

  • 如果您不確定如何開始,請詢問 Predict 它能做什麼。Qlik Answers 可以提供支援的功能清單。

  • 當您更換主題,或未獲得所需回應時,請開始新的對話。

  • 如果您沒有得到所需的響應,請嘗試提供更多詳細資訊,並具體說明您想要做什麼。例如,參考資料集和其他資產的確切名稱,可以更好地幫助Qlik Answers在開始訓練或執行預測時找到它們。

  • 如果您的問題一開始沒有得到所需的回答,請重新措辭。

如需詳細資訊,請參閱與Qlik Answers聊天的最佳做法

權限

你需要同時具備 Qlik AnswersQlik Predict 權限才能完成端對端機器學習工作流程。

具體而言,您需要以下項目:

限制

資料集

您無法從聊天中上傳或刪除資料集。

以下在聊天中無法實現:

  • 執行實驗版本後變更訓練資料集。

  • 在同一個聊天中,使用不同的應用資料集執行多個預測。

作為一個權宜之計,當您需要訓練實驗或使用不同的資料集執行預測時,請先開始新的聊天。如果您正在訓練實驗,這也將需要在新的聊天中建立一個新的實驗。

如需更多關於開始新聊天室的資訊,請參閱正在與 Qlik Answers 聊天

聊天不支援超出以下任何限制的資料集,這些限制適用於 Qlik Cloud 租用戶:

  • 資料集大小上限 (訓練資料集)

  • 資料集儲存格數量上限 (訓練資料集)

  • 最大包含欄數 (訓練和應用資料集)

實驗功能

  • 偏差偵測不支援。

  • 無法分析或下載模型訓練報告。

  • 無法存取實驗的內嵌分析功能(比較分析分頁)。

  • 所有特徵和演算法在設定實驗時都會被選取用於訓練。您無法取消選取功能或演算法。此外,始終使用智慧模型最佳化來訓練模型—不支援手動最佳化。

  • 無法訓練實驗的第二版及後續版本。

模型類型

不適用於時間序列模型。

預測類型

不適用於 即時 或 連接器式預測。

ML 模型管理

  • 您無法從聊天中取代現有的已部署模型。

  • 您無法從聊天部署來自不同實驗版本的多個模型。

  • 無法存取此部署的內嵌分析 (模型操作和漂移監控)。

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!