Auf Englisch lesen

Freigeben über


Modell verwalten in AI Builder

Die Erstellung des optimalen Modells für Ihr Unternehmen kann ein eher iterativer Prozess sein. Die Ergebnisse können je nach den von Ihnen eingestellten Konfigurationen und den von Ihnen angegebenen Trainingsdaten variieren. Das Aktualisieren dieser Faktoren kann die Leistung Ihres Modells verbessern. In einigen Fällen kann die Leistung jedoch beeinträchtigt sein. Jeder KI-Modelltyp hat eine Reihe von Anleitungen, die Ihnen helfen sollen, den Prozess der Erstellung des besten Modells entsprechend Ihren Anforderungen zu begleiten.

Screenshot des Bildschirms zum Verwalten eines KI-Modells.

Evaluieren des Modells

Nachdem Sie Ihr Modell zum ersten Mal trainiert haben, können Sie seine Leistung und Qualität auf der Detailseite evaluieren.

Abhängig von Ihrem KI-Modelltyp kann für jede trainierte Version eine Leistungsbewertung angezeigt werden. Sie können diese Bewertung verwenden, um zwei Versionen desselben Modells schnell zu vergleichen. Die Bewertung basiert jedoch auf der Konfiguration für dieses Training. Stellen Sie sicher, dass Sie alle Änderungen, die von Version zu Version vorgenommen wurden, beim Vergleich von Bewertungen berücksichtigen.

Jeder KI-Modelltyp hat eine andere Erläuterung, wie die Bewertung berechnet wird und wie sie zu interpretieren ist. Sehen Sie sich den Tooltip neben Performance an, um mehr zu erfahren.

Einige KI-Modelltypen enthalten die Möglichkeit, die Leistung Ihrer trainierten Version schnell mit echten Daten Ihrer Wahl zu testen. Wählen Sie Schnelltest, um Ihr Modell in Aktion zu sehen.

Nachdem Sie die Bewertung Ihres neu trainierten Modells abgeschlossen haben, haben Sie zwei Möglichkeiten:

Unterqualifizierte Modelle

Ein unterqualifiziertes Modell liefert schlechtere Ergebnisse als eine Zufallsvorhersage. Liefert Ihr Modell konstant schlechte Ergebnisse, deutet das auf ein Problem mit den Trainingsdaten hin. Sind die verwendeten Felder für die Vorhersage, die das Modell treffen soll, auch relevant? Gibt es Eingabefehler oder andere Probleme mit den Daten, durch die das Modell fehlgeleitet wird?

Überqualifizierte Modelle

Ein überqualifiziertes Modell liefert bei der Ausführung für die Trainingsdaten scheinbar hervorragende bis optimale Ergebnisse. Das kann daran liegen, dass es in Ihren Trainingsdaten eine Spalte gibt, die direkt dem Ergebnis entspricht. Angenommen, Sie möchten mit einem Vorhersagemodell die Pünktlichkeit einer Lieferung vorhersagen. Enthalten Ihre Verlaufsdaten nun das tatsächliche Lieferdatum, liefert das Modell bei der Ausführung für die Verlaufsdaten ein optimales Ergebnis. Es würde wahrscheinlich nicht so gut funktionieren, wenn es auf realen Daten in Ihrer geschäftlichen Umgebung ausgeführt wird, weil die Spalte mit dem Lieferdatum noch nicht ausgefüllt ist.

Bearbeiten des Lösungsnamens

  1. Wählen Sie oben auf der Seite Einstellungen.
  2. Geben Sie im rechten Bereich der Modelleinstellungen unter Name einen anderen Namen ein. Abhängig von Ihrem KI-Modelltyp müssen Sie möglicherweise zuerst den Abschnitt Allgemein auswählen.
  3. Wählen Sie Speichern.

Eine neue Version anlegen

Um eine neue Version zu erstellen, wählen Sie Modell bearbeiten oben auf der Seite.

Sie können bis zu zwei trainierte Versionen gleichzeitig verfügbar haben: eine Veröffentlichte Version und eine Letzte trainierte Version, die nicht veröffentlicht wird. Wenn Sie eine neue Version trainieren, wenn bereits eine letzte trainierte Version existiert, wird die bestehende letzte trainierte Version überschrieben.

Wenn Sie eine neue Version erstellen, basiert Ihr Modell auf der Konfiguration einer bestehenden Version - Ihrer veröffentlichten Version oder Ihrer letzten trainierten Version. Wenn Sie beide haben, müssen Sie wählen, aus welcher Version Sie die neue Version erstellen möchten.

Screenshot des Menüs „Modell bearbeiten“.

Eine neue Version wird erst erstellt, wenn Sie sie erfolgreich trainiert haben. Wenn Sie ohne Änderungen und Training Ihres Modells fortfahren, wird Ihr Fortschritt als Entwurf gespeichert. Bestimmte Aktionen, wie das Erstellen einer neuen Version oder die Neutrainierung, können deaktiviert werden, bis Sie Ihren Entwurf trainieren oder verwerfen. Sie können nur einen Entwurf gleichzeitig verfügbar haben, also müssen Sie Entwurf fortsetzen wählen, um dort weiterzumachen, wo Sie unterbrochen haben, oder Entwurf verwerfen, um die Änderungen aufzuheben, bevor Sie fortfahren können.

Nach dem Training erscheinen Ihre Trainingsergebnisse unter dem Abschnitt Letzte trainierte Version auf der Seite Details.

Wenn Sie mit Ihrer zuletzt trainierten Version zufrieden sind, können Sie Ihr Modell veröffentlichen, um es zur Verfügung zu stellen. Ansonsten können Sie jederzeit eine neue Version anlegen.

Wann sollte ich eine neue Version erstellen?

Sie können eine neue Version Ihres Modells erstellen, um die Leistung oder Qualität des Modells zu verbessern. Dies hängt vom KI-Modelltyp ab, bei dem einige Modelle durch Aktualisierung der Konfiguration und andere Modelle durch Aktualisierung der Trainingsdaten verbessert werden können.

Aufgrund der experimentellen Natur des maschinellen Lernens bewirken nicht alle neuen Versionen, die Sie erstellen, eine Steigerung der Modellleistung. Wenn Sie mit Ihrem Modell nicht zufrieden sind, können Sie eine neue Version erstellen, um zu versuchen, bessere Ergebnisse zu erzielen.

Wenn Sie mit dem Modell zufrieden sind, können Sie es veröffentlichen, um es verfügbar zu machen. Da Sie nur zwei trainierte Versionen gleichzeitig zur Verfügung haben können, können Sie ein Modell veröffentlichen, wenn Sie nicht möchten, dass es durch eine neue Version überschrieben wird.

Weitere Informationen zu den Details bei der Verbesserung der Modellleistung finden Sie in der Meldung unterhalb des Genauigkeitswerts.

Neutrainieren und Neuveröffentlichung bestehender Modelle

Während das Training eine neue Version durch Aktualisierung Ihrer Konfiguration erstellt, wird durch die Neutrainierung eine neue Version mit der gleichen Konfiguration wie Ihre aktuelle Version erstellt. Der Vorteil der Neutrainierung ist, dass sie alle neuen Daten analysiert, so dass Ihr Modell langfristig genau bleibt. Diese Aktion gilt nur für bestimmte KI-Modelltypen.

  1. Melden Sie sich bei Power Apps an.

  2. Wählen Sie im linken Bereich AI Builder>Modelle aus.

  3. Folgen Sie den Schritten für Ihren Modelltyp.

    Für Vorhersage und Kategorieklassifizierungsmodelle wählen Sie im Abschnitt Leistung das ()-Menü und dann Jetzt erneut trainieren aus.

  4. Dies ersetzt Ihre zuletzt trainierte Version. Veröffentlichen Sie diese Version, wenn Sie bereit sind.

Führen Sie diese Schritte für jedes Ihrer AI Builder-Modelle durch, um Ihre KI-Modelle wieder in Betrieb zu nehmen.

Nächster Schritt

Modell in AI Builder veröffentlichen

Training: Modelle in AI Builder verwalten (Modul)