# 在 Qlik Answers 中使用機器學習

您可以使用 Qlik Answers 的 AI 驅動技術來進行 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。您可以在同一個對話體驗中探索資料集、設定與訓練實驗，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](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikMCP/Qlik-MCP-server.htm)。

在 Qlik Answers 中使用 Predict

在 Qlik Answers 中使用 Predict

在 Qlik AnswersQlik Answers 中使用 PredictPredict ![在代理式體驗中訓練 ML 實驗](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_predict-answers.png)

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 已開啟跨區域推論──也就是說，租用戶需要針對代理程式 Qlik Answers 體驗進行啟用。

  [啟用跨區域推斷](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/cross-region-data-processing.htm)

* 您的租用戶和訂閱有 Qlik Answers 和 Qlik Predict 的容量。

  [Qlik Answers 容量](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/administering-qlik-answers.htm#Capacity)

  [監控訂閱的 Qlik Predict 取用情況](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/mc-managing-experiments-deployments.htm#MonitorConsumption)

* 您有權存取所需的資料集與 Qlik Predict 資產。

  [權限](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/predict-agent.htm#Permissions)

## 在 Qlik Answers 中開啟 Qlik Predict

請執行下列動作：

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

   開啟 Predict

   開啟 PredictPredict ![在聊天中選取預測代理](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_predict-agent-selector.png)

## 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以了解資料品質與候選欄位。尋求深入解析與 目標 建議。

您也不需要知道要使用的資料集確切名稱——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 |
| --- | --- | --- |
| 資料集選取 | <ul> <li> <p> <span>顯示可用於訓練的資料集</span></p> </li> <li> <p><span>我可以使用哪些資料集進行訓練？</span> </p> </li> <li> <p><span>列出資料集</span> </p> </li> </ul> | - |
| 資料集深入資訊 | <ul> <li> <p><span>您可以顯示 &lt;資料集名稱&gt; 的資料集深入解析嗎</span> </p> </li> </ul> | 或者，您可以先在 Qlik Cloud 中開啟資料集，然後提出如下問題：<br><br><ul> <li> <p><span>您可以向我顯示此資料集的資料集深入解析嗎？</span> </p> </li> <li> <p><span>此資料集中有哪些特徵具有高基數</span> </p> </li> </ul> |
| 目標建議 | <ul> <li> <p><span>您建議使用哪個欄位作為目標</span> </p> </li> <li> <p><span>您對目標有何建議？	</span> </p> </li> <li> <p><span>訓練後的模型應該預測哪個欄位</span> </p> </li> </ul> | 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。在您選取資料集與目標之後，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，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） | <ul> <li> <p><span>我想預測 &lt;欄位名稱&gt;</span> </p> </li> <li> <p><span>使用 &lt;欄位名稱&gt; 作為目標</span> </p> </li> </ul> | 適合在選取要使用的訓練資料集後作為追蹤問題。 |
| 實驗訓練 (未選取資料集) | <ul> <li> <p><span>訓練模型以預測 &lt;欄位名稱&gt;；使用 &lt;資料集名稱或關鍵字&gt;</span> </p> </li> <li> <p><span>使用 &lt;資料集名稱或關鍵字&gt; 資料建立實驗</span> </p> </li> </ul> | 這些問題可協助您直接開始，而無需手動依名稱搜尋資料集。 |
| 實驗監控 | <ul> <li> <p><span>列出我最近的實驗及其狀態</span> </p> </li> <li><span>我的實驗狀態為何</span> </li> </ul> | - |

### 步驟 3：模型解釋與建議

訓練完成後，您可以要求提供淺顯易懂的模型行為解讀，以及根據模型輸出所提出的建議。

模型分析範例問題

| 動作 | 範例問題 | 備註 |
| --- | --- | --- |
| 模型建議 | <ul> <li> <p><span>本實驗中最佳的模型是什麼</span> </p> </li> <li> <p><span>我已開啟實驗 &lt;實驗名稱&gt;。 最佳模型是什麼</span> </p> </li> <li> <p><span>我已開啟實驗 &lt;實驗名稱&gt;。 為商業對象摘要最佳模型效能</span> </p> </li> </ul> | 為了獲得最佳效果，您需要在瀏覽器中開啟該實驗，或是在提示中提及該實驗名稱。 |
| 模型指標與深入分析 | <ul> <li> <p><span>此實驗中最佳的模型演算法是什麼</span> </p> </li> <li> <p><span>我已開啟實驗 &lt;實驗名稱&gt;。 最佳模型有哪些指標</span> </p> </li> <li> <p><span>探索此實驗的模型深入見解與功能，特性重要性</span> </p> </li> <li> <p><span>我已開啟實驗 &lt;實驗名稱&gt;。 哪些特徵對此模型的影響最大？</span> </p> </li> </ul> | 為了獲得最佳效果，您需要在瀏覽器中開啟該實驗，或是在提示中提及該實驗名稱。 |

在聊天中分析模型時，您也可以點擊 the 檢視來源 icon 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見解。

使用 檢視原始碼 分析包含內嵌圖表的模型

使用 檢視原始碼 分析包含內嵌圖表的模型

使用 檢視原始碼檢視原始碼 分析包含內嵌圖表的模型 ![使用「檢視原始碼」分析包含內嵌圖表的模型](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_predict-agent_view-source-model-metrics.png)

### 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 | <ul> <li> <p><span>部署此實驗的最佳模型</span> </p> </li> <li> <p><span>我已開啟實驗 &lt;實驗名稱&gt;。 檢視部署詳細資料</span> </p> </li> <li><span>檢查此實驗的部署狀態</span> </li> </ul> | 可在模型分析後直接作為追蹤問題。<br><br>為了獲得最佳效果，您需要在瀏覽器中開啟該實驗，或是在提示中提及該實驗名稱。 |
| 預測—發起請求 | <ul> <li> <p><span>使用此部署執行預測</span> </p> </li> <li> <p><span>使用部署 &lt;部署名稱&gt; 執行預測</span> </p> </li> </ul> | 為獲得最佳效果，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 | <ul> <li> <p><span>使用 &lt;套用資料集名稱&gt; 作為此部署進行預測的套用資料集</span> </p> </li> <li> <p><span>我已開啟部署 &lt;部署名稱&gt;。 使用 &lt;套用資料集名稱&gt; 資料集執行預測</span> </p> </li> </ul> | 為獲得最佳效果，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 | <ul> <li> <p><span>檢查此部署的批次預測狀態</span> </p> </li> </ul> | 為獲得最佳效果，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 | <ul> <li> <p><span>我已開啟部署 &lt;部署名稱&gt;。 探索目前的預測結果</span> </p> </li> <li> <p><span>顯示我針對此部署的最新預測</span> </p> </li> </ul> | 為獲得最佳效果，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

在 Qlik Answers 中使用 Qlik Predict 時，為獲得最佳結果，請追蹤這些一般指導原則：

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

* 更換主題時，或是如果您未取得所需的回應，請開始新的對話。

* 如果您未取得所需的回應，請嘗試提供更多詳細資訊，並具體說明您想要執行的操作。例如，參照資料集和其他資產的確切名稱，有助於 Qlik Answers 在開始訓練或執行預測時更好地找到它們。

* 如果一開始未傳回您需要的回應，請換個方式提問。

如需詳細資訊，請參閱[與Qlik Answers聊天的最佳做法](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/best-practices-assistant-chat.htm)。

## 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)

* 必要的 代理式 AI &gt; 資料分析 權限已設定為 允許。此權限由租用戶管理員指派。

  [管理使用者對 Qlik Answers 的存取權限](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/administering-qlik-answers.htm#Access)

* 進行 ML 實驗和部署所需的 Qlik Predict 權限，由租用戶管理員指派給您。請參閱：

  * [使用者對 ML 實驗旳存取權限](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#AccessExperiment)

  * [使用者對 ML 部署和預測的存取權限](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#AccessDeployment)

* 存取資料集、實驗與部署所在的空間。請參閱：

  * [專業版和基於容量的訂閱使用者的共用空間權限](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-prof-full.htm)

  * [專業和基於容量的訂閱使用者的受管理空間權限](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-managed-space-prof-full.htm)

## 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

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訓練實驗或執行預測時，請先開始新對話。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](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/using-assistants.htm#Chatting)。

大型資料集

Chat 不支援 Qlik Cloud 租用戶超出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)

* 包含欄位的最大數量 (訓練與套用資料集)

### 實驗功能

* 不支援偏差偵測。

* 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訓練。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。

* 您無法從聊天中部署來自不同實驗版本的多個模型。

* 無法存取該部署的內嵌分析 (模型運作與漂移監控)。

[透過 Qlik Answers 回答問題](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/using-assistants.htm)

[透過 Qlik Predict 進行機器學習](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/home-automl.htm)

[使用實驗](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-experiments.htm)

[使用 ML 部署](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-deployments.htm)

[使用 ML 預測](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-predictions.htm)

[選擇您的上下文](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/choose-context.htm)

[部署和管理Qlik Answers](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/administering-qlik-answers.htm)

[啟用跨區域推斷](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/cross-region-data-processing.htm)