Meerdere modellen in uw ML‑implementatie gebruiken

U kunt meerdere modellen implementeren in uw ML-implementatie, inclusief modellen van verschillende experimenten. Na het implementeren van modellen uit experimenten gebruikt u het deelvenster Implementeerbare modellen in de ML-implementatie om dynamische voorspellingsworkflows te configureren. Bij het genereren van voorspellingen wordt naar het model dat u gebruikt verwezen als een alias. Met dit systeem van aliassen kunt u modellen na verloop van tijd vervangen zonder dat u een nieuwe ML‑implementatie hoeft aan te maken, en wordt het ook eenvoudiger om de prestaties van modellen op basis van productiegegevens te vergelijken.

Modelaliassen worden zowel in batchvoorspelling als in realtime voorspellingsworkflows gebruikt. Ga voor meer informatie naar:

• Modelaliassen configureren voor batchvoorspellingen

• Werken met modelaliassen in realtime voorspellingen

Wat zijn modelaliassen?

Naar elk model dat u toevoegt aan uw ML-implementatie wordt verwezen als een modelalias. Een alias is een dynamische container binnen uw ML-implementatie die Qlik Predict opdracht geeft om voorspellingen uit te voeren met een model in de implementatie. Binnen de alias kunnen modellen worden gewijzigd zodat verouderde modellen gemakkelijk kunnen worden vervangen. Per modelalias kan één model worden toegevoegd. Met aliassen kunt u modellen binnen een voorspellingsgeneratieworkflow gemakkelijk wijzigen zonder dat u voorspellingsconfiguraties hoeft te bewerken, een nieuwe ML-implementatie hoeft aan te maken of API-aanroepen hoeft bij te werken.

Elke ML-implementatie heeft een standaardalias. De standaardalias kan niet verwijderd of hernoemd worden, maar u kunt gemakkelijk het model wijzigen dat u gebruikt om er voorspellingen mee te genereren. Als u geen alias opgeeft om te gebruiken in voorspellingen van uw ML-implementatie, wordt de standaardalias gebruikt.

U kunt tot 10 aliassen toevoegen binnen een ML-implementatie, inclusief de standaardalias.

Gebruiksscenario's voor modelaliassen

• Vervang verouderde modellen na verloop van tijd door opnieuw getrainde modellen zonder dat er updates van voorspellingsconfiguraties of API-aanroepen nodig zijn.

• Test en vergelijk prestaties van verschillende modellen op basdis van dezelfde productiegegevens zonder meerdere ML-implementaties te hoeven maken.

• Gebruik een afzonderlijke implementatie om voorspellingen van verschillende modellen te genereren, afhankelijk van specifieke voorwaarden.

Overwegingen voor het implementeren van modellen in ML‑implementaties

Bij het toevoegen van modellen aan een ML‑implementatie, kunnen modellen afkomstig zijn van verschillende ML‑experimenten, die zich in verschillende ruimten in Qlik Cloud Analyse kunnen bevinden. Houd rekening met het volgende:

• Om een model toe te voegen aan een ML-implementatie, moet het model hetzelfde experimenttype hebben (binaire classificatie, multiclass-classificatie of regressie) als het model in de standaardalias.

• Als het modelschema en de toegepaste gegevens niet compatibel zijn, kunnen voorspellingen (batch, realtime, direct API of op basis van een connector) niet met succes worden uitgevoerd.

• Er zijn machtigingsvereisten voor de gebruikers die modellen aan implementaties toevoegen, evenals voor het werken met modelaliassen (bijvoorbeeld aliassen toevoegen, hernoemen en verwijderen). Ga voor meer informatie naar Machtigingen.

Werken met aliassen

U werkt met aliassen in het deelvenster Implementeerbare modellen binnen de ML-implementatie. Het deelvenster Implementeerbare modellen heeft een intuïtieve interface voor het slepen en neerzetten van modellen.

Wanneer u klaar bent met het maken van wijzigingen in de Implementeerbare modellen, klikt u op Wijzigingen opslaan in de rechterbovenhoek van de interface.

Het toevoegen van nieuwe aliassen is optioneel. Als u niet met meerdere aliassen hoeft te werken, kunt u alleen met de standaardalias werken en tussen modellen wisselen door alleen deze alias te gebruiken.

Aan de slag

Voordat u modellen aan aliassen kunt toewijzen, moet u alle vereiste modellen implementeren in de ML-implementatie. Dit proces wordt uitgevoerd in het ML-experiment waar elk model werd getraind. Zie Modellen implementeren voor meer informatie.

Een alias toevoegen

Maak eerst een lege alias aan.

Doe het volgende:

1. Open in de ML-implementatie het deelvenster Implementeerbare modellen.

2. Klik onder Beschikbare modellen op Alias toevoegen.

3. Klik op Wijzigingen opslaan in de rechterbovenhoek van de interface.

U kunt ook klikken op naast een model onder Alle modellen in de implementatie en Toevoegen aan nieuwe alias selecteren.

Een model aan een alias toewijzen (inclusief de standaardalias)

Nadat u de alias hebt toegevoegd, moet u er een model aan toewijzen. U kunt met deze workflow ook een ander model aan de standaardalias toewijzen.

Doe het volgende:

1. Zoek onder Alle modellen in de implementatie het model dat u aan de alias wilt toewijzen.

2. Naast de modelnaam sleept u het model naar de alias.

   Als alternatief klikt u op naast het model en selecteert u Toevoegen aan <aliasnaam>, of Wissel naar standaardalias om het model te vervangen dat aan de standaardalias is toegewezen.

3. Klik op Wijzigingen opslaan in de rechterbovenhoek van de interface.

Aliassen hernoemen en verwijderen

U kunt elke alias hernoemen en verwijderen, behalve de standaardalias.

Doe het volgende:

1. Open in de ML-implementatie het deelvenster Implementeerbare modellen.

2. Klik op naast de alias van het model en selecteer Naam wijzigen of Verwijderen.

3. Klik op Wijzigingen opslaan in de rechterbovenhoek van de interface.

Machtigingen

In deze sectie worden de machtigingen beschreven die u nodig hebt om acties uit te voeren met betrekking tot het implementeren van modellen en aliassen.

Zie Wie kan werken met Qlik Predict voor meer informatie over Qlik Predict-machtigingen.

Modellen implementeren en verwijderen uit een ML‑implementatie

Werken met modelaliassen

Werken met modelaliassen houdt in dat u aliassen aanmaakt, verwijdert en hernoemt. Om deze acties uit te voeren, hebt u het volgende nodig:

• Professional- of Full User-recht

• De beveiligingsrol Automl Experiment Contributor

• Vereiste ruimterol in de ruimte van de ML-implementatie

  • Voor implementaties in gedeelde ruimten, een van de volgende:

    • Eigenaar (van de ruimte)

    • Kan beheren

    • Kan bewerken

  • Voor implementaties in gedeelde ruimten, een van de volgende:

    • Eigenaar (van de ruimte)

    • Kan beheren