在 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 Predict 於 Qlik Answers

開始之前
必要條件:
-
您的租用戶已啟用跨區域推斷,也就是說,該租用戶需要啟用代理Qlik Answers體驗。
-
您的租用戶和訂閱有 Qlik Answers 和 Qlik Predict 的容量。
-
您有權存取所需的資料集以及 Qlik Predict 資產。
開啟 Qlik Predict 於 Qlik Answers
請執行下列動作:
-
按一下開啟Answers以開啟Qlik Answers。
-
在下拉式選單中,選取 Predict。
開啟 Predict

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。
| 動作 | 範例問題 | 備註 |
|---|---|---|
| 資料集選擇 |
|
- |
| 資料集深入資訊 |
|
此外,您可以先在Qlik Cloud中開啟資料集,然後提出問題,例如:
|
| 目標建議 |
|
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。
| 動作 | 範例問題 | 備註 |
|---|---|---|
| 實驗訓練 (已選取資料集) |
|
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) |
|
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 |
|
- |
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 |
|
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

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。
| 動作 | 範例問題 | 備註 |
|---|---|---|
| 模型部署與監控 |
|
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 |
|
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。 |
提問的最佳實踐
為獲得最佳結果,當使用Qlik Predict於Qlik 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 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:
-
存取資料集、實驗和部署所在的空間。請參閱:
限制
資料集
更新與刪除資料集
您無法從聊天中上傳或刪除資料集。
變更資料集
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。
大型資料集
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(比較和分析分頁)。
-
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)。