使用機器學習在 Qlik Answers 中
你可以使用 Qlik Predict 自動化機器學習,搭配 Qlik Answers 的 AI 驅動技術。
在代理式Qlik Answers體驗中,您可以建立並執行以自然語言的機器學習工作流程。您可以探索資料集、設定並訓練實驗,並從相同的聊天體驗中執行預測。
在 Qlik Answers 中使用 Predict

開始之前
必要條件:
-
您的租用戶已開啟跨區域推斷,亦即,該租用戶需要啟用才能使用代理程式 Qlik Answers 體驗。
-
您的租用戶和訂閱有容量可供 Qlik Answers。
-
您已存取所需的資料集和 Qlik Predict 資產。
開啟 Qlik Predict 於 Qlik Answers
請執行下列動作:
-
點選 開啟 Answers 以開啟 Qlik Answers。
-
在下拉式選單中,選取Predict。
開啟 Predict

端對端工作流程
在處理 Predict 時,請使用下列工作流程。
步驟 1: 資料集探索和深入資訊
使用資料集深入資訊以瞭解資料品質及候選欄位,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—您可以要求提供可用資料集的清單。
| 動作 | 範例問題 | 備註 |
|---|---|---|
| 資料集選取 |
|
- |
| 資料集深入資訊 |
|
或者,您可以先在 Qlik Cloud 中開啟資料集,然後提出以下問題:
|
| 目標建議 |
|
在選取資料集並探索深入資訊後,可用作追蹤問題。 |
步驟 2: 實驗訓練和監控
描述您的目標,並讓代理程式設定並執行實驗。支援迴歸和分類實驗類型。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。
| 動作 | 範例問題 | 備註 |
|---|---|---|
| 實驗訓練 (已選取資料集) |
|
在選取要使用的訓練資料集之後,可用作追蹤問題。 |
| 實驗訓練 (未選取資料集) |
|
這些問題可以協助您直接開始,無需手動依名稱搜尋資料集。 |
| 實驗監控 |
|
- |
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。
| 動作 | 範例問題 | 備註 |
|---|---|---|
| 模型建議 |
|
為獲得最佳結果,您必須在瀏覽器中開啟實驗,或在提示中參考實驗名稱。 |
| 模型指標與深入分析 |
|
為獲得最佳結果,您必須在瀏覽器中開啟實驗,或在提示中參考實驗名稱。 |
在聊天中分析模型時,您也可以按一下 檢視來源 以展開其他詳細資料,包括功能,特性重要性解析圖表和自然語言深入資訊。
使用檢視原始檔來分析內嵌圖表的模型

步驟 4: 部署、啟用與預測
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。系統會搜尋相容的套用資料集,並列出供您選擇。您也可以使用自然語言提示來選取特定的套用資料集。
已部署模型會隨著預測的建立而自動啟用,具體取決於訂閱的可用容量。
| 動作 | 範例問題 | 備註 |
|---|---|---|
| 模型部署與監控 |
|
可用於作為模型分析後直接提出的追蹤問題。 為獲得最佳結果,您必須在瀏覽器中開啟實驗,或在提示中參考實驗名稱。 |
| 預測—開始要求 |
|
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 |
|
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 |
|
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 |
|
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。 |
詢問問題的最佳做法
為了獲得最佳結果,在 Qlik Answers 中透過 Qlik Predict 工作時,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。
-
變更主題時開始新的交談,或當您沒有獲得所需的答覆時。
-
如果您沒有得到所需的答覆,請嘗試提供更多詳細資訊,並具體說明您想做什麼。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。
-
若您的問題一開始沒有傳回您需要的回答,請重新措辭再提問。
如需詳細資訊,請參閱Best practices for chatting with Qlik Answers。
權限
您需要同時具備 Qlik Answers 和 Qlik 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:
-
專業使用者授權 (僅適用於以使用者為基礎的訂閱)
-
所需的 代理式 AI > 資料分析 權限設定為 允許。這項權限由租用戶管理員指派。
-
所需的 Qlik Predict 權限,用於處理 ML 實驗和部署,由租用戶管理員指派給您。請參閱:
-
資料集、實驗和部署所在的空間的存取權限。請參閱:
限制
資料集
更新與刪除資料集
您無法從聊天室上傳或刪除資料集。
變更資料集
聊天中無法執行下列操作:
-
在執行實驗版本之後變更訓練資料集。
-
在同一個聊天中,使用不同的套用資料集執行多個預測。
作為一個權宜之計,當您需要使用不同的資料集來訓練實驗或執行預測時,請先開始一個新的聊天。若您正在訓練實驗,這也將需要在新的聊天中建立新的實驗。
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。
大型資料集
聊天不支援超出下列任何限制的資料集,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)
-
包含欄的最大數目 (訓練和套用資料集)
實驗特徵
-
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 (比較和分析索引標籤)。
-
在配置實驗時,所有特徵和演算法都會選取用於訓練。您無法取消選取功能或演算法。此外,智慧型模型最佳化始終用於訓練模型—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 或以連接器為基礎的預測。
ML 模型管理
-
您無法從聊天中取代現有的已部署模型。
-
您無法從聊天中部署來自不同實驗版本的多個模型。
-
無法存取部署的內嵌分析 (模型作業和漂移監控)。