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

使用機器學習在 Qlik Answers

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。

Qlik Answers 中使用 Predict

Training ML experiment in agentic experience
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:

  • 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。

    啟用跨區域推斷

  • 您的租用戶和訂閱有容量可供 Qlik Answers

    Qlik Answers 容量

  • 您已存取所需的資料集和 Qlik Predict 資產。

    權限

開啟 Qlik PredictQlik Answers

  1. 點選 開啟 Answers 以開啟 Qlik Answers

  2. 在下拉式選單中,選取Predict

    開啟 Predict

    Selecting the predict agent in chat

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。

資料集探索與深入資訊的範例問題
動作 範例問題 備註
資料集選取
  • 顯示可用的訓練資料集給我

  • 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 <dataset name> 的資料集深入資訊嗎

或者,您可以先在 Qlik Cloud 中開啟資料集,然後提出以下問題:

  • 您可以顯示此資料集的資料集深入資訊嗎?

  • 此資料集中的哪些特徵具有高基數

目標建議
  • 您推薦哪個欄位作為目標?

  • 您對目標有什麼建議?

  • 訓練好的模型應預測哪一欄

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。

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)
  • 我想要預測 <column name>

  • 使用 <column name> 作為目標

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)
  • 訓練模型預測 <column name>;使用 <dataset name or a keyword>

  • 使用 <dataset name or a keyword> 資料建立實驗

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
  • 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
  • 此實驗中最佳的模型是什麼

  • 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
  • 此實驗中哪種模型演算法最佳?

  • 我已開啟實驗 <experiment name>。最佳模型的指標是什麼

  • 探索此實驗的模型深入資訊和功能,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

Using View source to analyze models with embedded charts

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。

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>。檢視部署詳細資訊

  • 檢查此實驗的部署狀態

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
  • 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> 作為此部署的預測套用資料集

  • 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。

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 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

您無法從聊天室上傳或刪除資料集。

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

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)。

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!