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

在 Qlik Answers 中使用機器學習

上次更新:2026-11-10

您可以透過 Qlik Answers 的 AI 支援技術來使用 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。您可以在同一個聊天體驗中探索資料集、設定並訓練實驗,並執行預測。

這項 Qlik Answers 體驗與在外部 LLM 用戶端中透過 Qlik MCP 伺服器存取 Qlik Predict 功能是分開的。如需詳細資訊,請參閱 Qlik MCP 伺服器。

在 Qlik Answers 中使用 Predict

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:

正在 Qlik Answers 中開啟 Qlik Predict

  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

    在聊天中選取預測代理

端對端工作流程

使用 Predict 時,請使用下列工作流程。

步驟 1:資料集探索與深入解析

在訓練之前,使用資料集深入分析來瞭解資料品質與候選欄位。索取深入解析與目標建議。

您也不需要知道想使用的資料集確切名稱——您可以要求提供可用資料集的清單。

資料集探索與深入解析的範例問題
動作 範例問題 備註
資料集選取
  • 顯示可用於訓練的資料集

  • 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
  • 你可以為我顯示 <資料集名稱> 的資料集深入解析嗎

或者,您可以先在 Qlik Cloud 中開啟資料集,然後提出如下問題:

  • 你能為我顯示此資料集的資料集深入解析嗎?

  • 此資料集中有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

  • 您對目標的建議為何?

  • 訓練後的模型應該預測哪個欄位

適合作為追蹤問題 在選取資料集並探索深入解析之後。

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。選取資料集和目標後,系統會提示您開始訓練。

如果您先前已啟動機器學習工作流程,可以要求 Predict 監控現有的實驗。

實驗訓練與監控的範例問題
動作 範例問題 備註
實驗訓練(已選取資料集)
  • 我想預測 <欄位名稱>

  • 使用 <欄位名稱> 作為目標

適合作為選擇要使用的訓練資料集後的追蹤問題。
實驗訓練 (未選取資料集)
  • 訓練模型以預測 <欄位名稱>;使用 <資料集名稱或關鍵字>

  • 使用 <資料集名稱或關鍵字> 資料建立實驗

這些問題可協助您直接開始,無需依名稱手動搜尋資料集。
實驗監控
  • 列出我最近的實驗及其狀態

  • 我的實驗狀態為何
-

步驟 3:模型解釋與建議

訓練完成後,您可以要求以淺顯易懂的語言解釋模型行為,並根據模型輸出取得建議。

模型分析範例問題
動作 範例問題 備註
模型建議
  • 在此實驗中最佳的模型是什麼

  • 我已開啟實驗 <實驗名稱>。 什麼是最佳模型

  • 我已開啟實驗 <實驗名稱>。 為商業受眾摘要最佳模型效能

為了獲得最佳結果,您需要在瀏覽器中開啟該實驗,或是在提示中參照該實驗名稱。
模型指標與深入分析
  • 此實驗中的最佳模型演算法是什麼

  • 我已開啟實驗 <實驗名稱>。 最佳模型的指標為何

  • 探索此實驗的模型深入解析與功能,特性重要性

  • 我已開啟實驗 <實驗名稱>。 哪些特徵對此模型的影響最大?

為了獲得最佳結果,您需要在瀏覽器中開啟該實驗,或是在提示中參照該實驗名稱。

在對話中分析模型時,您也可以點擊 檢視來源 來展開其他詳細資訊,包括功能,特性重要性解析圖表與自然語言深入分析。

使用 檢視原始碼 來分析包含內嵌圖表的模型

使用「檢視原始碼」分析內嵌圖表的模型

步驟 4:部署、啟用與預測

訓練完成後,您可以部署模型,建立 ML 部署。在您要求部署模型之後,系統會提示您確認部署。

您也可以使用已部署的模型來執行批次預測。系統會搜尋相容的 套用資料集,並將其列出以供您選擇。您也可以使用自然語言提示來選取特定的套用資料集。

已部署的模型會在建立預測時自動啟用,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 <實驗名稱>。 檢視部署詳細資料

  • 檢查此實驗的部署狀態

適合在模型分析後直接作為追蹤問題。

為了獲得最佳結果,您需要在瀏覽器中開啟該實驗,或是在提示中參照該實驗名稱。

預測—開始請求
  • 使用此部署執行預測

  • 使用部署 <部署名稱> 執行預測

為了獲得最佳結果,您需要在瀏覽器中開啟該部署,或是在提示中參照部署名稱。
預測——選取套用資料集
  • 使用 <套用資料集名稱> 作為透過此部署進行預測的套用資料集

  • 我已開啟部署 <部署名稱>。 使用 <套用資料集名稱> 資料集執行預測

為了獲得最佳結果,您需要在瀏覽器中開啟該部署,或是在提示中參照部署名稱。
預測—監控狀態
  • 檢查此部署的批次預測狀態

為了獲得最佳結果,您需要在瀏覽器中開啟該部署,或是在提示中參照部署名稱。
預測—探索預測輸出
  • 我已開啟部署 <部署名稱>。 探索目前的預測結果

  • 顯示此部署中我的最新預測

為了獲得最佳結果,您需要在瀏覽器中開啟該部署,或是在提示中參照部署名稱。

提問的最佳做法

若要在 Qlik Answers 中使用 Qlik Predict 時獲得最佳結果,請追蹤這些一般指導方針:

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

  • 在切換主題時,或是如果您未獲得所需的回應,請開啟新對話。

  • 如果您未獲得所需的回應,請嘗試提供更多詳細資訊,並具體說明您想執行的操作。例如,參照資料集和其他資產的確切名稱,能更好地協助 Qlik Answers 在開始訓練或執行預測時找到它們。

  • 如果一開始未傳回您需要的回應,請換個方式重新提問。

如需詳細資訊,請參閱 與Qlik Answers聊天的最佳做法。

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:

限制

資料集

您無法從聊天中上傳或刪除資料集。

在聊天中無法執行下列操作:

  • 在執行實驗版本後變更訓練資料集。

  • 在同一個對話中,使用不同的套用資料集執行多個預測。

作為因應措施,當您需要使用不同的資料集來訓練實驗或執行預測時,請先開始新的對話。如果您正在訓練實驗,這也需要在新聊天中建立新實驗。

如需有關開始新聊天的詳細資訊,請參閱 正在與Qlik Answers聊天。

Chat 不支援超過 Qlik Cloud 租用戶下列任一限制的資料集:

  • 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)

  • 納入的資料欄最大數量 (訓練與套用資料集)

實驗功能

  • 不支援偏誤偵測。

  • 無法分析或下載模型訓練報告。

  • 無法存取該實驗的內嵌分析(比較與 分析 分頁)。

  • 設定實驗時,會選取所有特徵和演算法以進行定型。您無法取消選取特徵或演算法。此外,訓練模型時一律使用智慧模型最佳化—不支援手動最佳化。

  • 無法訓練實驗的第二個及後續版本。

模型類型

不適用於時間序列模型。

預測類型

不適用於 即時 或基於連接器的預測。

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 (模型操作與漂移監控)。

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!