Zu Hauptinhalt springen Zu ergänzendem Inhalt springen

Arbeiten mit Experimenten

Laden Sie Verlaufsdaten in ein Experiment für automatisiertes maschinelles Lernen und trainieren Sie ein Modell, um eine geschäftliche Aufgabe zu analysieren und Vorhersagen zu treffen.

Sie können Experimente in persönlichen oder freigegebenen Bereichen erstellen und bearbeiten.

Anforderungen und Berechtigungen

Für die Arbeit mit ML-Experimenten benötigen Sie:

  • Professional- oder Full User-Berechtigung

  • Die Rolle Automl Experiment Contributor (zum Anzeigen von ML-Experimenten können Sie alternativ die Rolle Automl Deployment Contributor haben).

  • Die erforderlichen Berechtigungen in dem Bereich, in dem sich die Experimente befinden. In einem verwalteten Bereich können keine Experimente erstellt werden.

Weitere Informationen finden Sie unter:

Workflow

Bevor Sie ein Experiment für automatisiertes maschinelles Lernen in Qlik Cloud Analytics erstellen können, benötigen Sie eine gut definierte Frage für maschinelles Lernen, und ein geeigneter Trainingsdatensatz muss im Katalog vorhanden sein. Weitere Informationen finden Sie unter Definieren von Fragen für maschinelles Lernen und Vorbereiten Ihres Datensatzes für das Training.

Die folgenden Schritte beschreiben einen Experiment-Workflow.

  1. Experiment erstellen

    Erstellen Sie ein neues Experiment in Qlik Sense. Fügen Sie es zu einem freigegebenen Bereich hinzu, wenn Sie gemeinsam mit anderen Benutzern daran arbeiten möchten.

    Erstellen von Experimenten

  2. Experiment konfigurieren

    Wählen Sie ein Ziel aus, für das Sie Vorhersagen treffen möchten, sowie Features zum Unterstützen der Vorhersage.

    Konfigurieren von Experimenten

  3. Training beginnen

    Beginnen Sie mit dem Training Ihrer ersten Experimentversion.

    Trainieren von Experimenten

  4. Modell verfeinern

    Während des Trainings werden geeignete Algorithmen für maschinelles Lernen auf die Trainingsdaten angewendet, und es werden Leistungsmetriken erstellt. Prüfen Sie die Metriken, um zu sehen, wie Sie das Modell verfeinern können.

    Überprüfen der Modelle

    Passen Sie Parameter wie Features und Algorithmen an und trainieren Sie neue Versionen des Experiments erneut, bis Sie ein gutes Modell erhalten haben.

    Verfeinern von Modellen

  5. Modell bereitstellen

    Wenn Sie ein gutes Modell haben, können Sie es bereitstellen und mit den Vorhersagen beginnen.

    Arbeiten mit ML-Bereitstellungen

Weitere Informationen

Hat diese Seite Ihnen geholfen?

Wenn Sie Probleme mit dieser Seite oder ihren Inhalten feststellen – einen Tippfehler, einen fehlenden Schritt oder einen technischen Fehler –, teilen Sie uns bitte mit, wie wir uns verbessern können!