已完成的实验页面¶
以下各节介绍已完成的实验页面。
“已完成的实验”操作¶
以下介绍当实验状态从 正在运行 更改为 完成 时的可执行操作：
解释此模型：创建模型的解释。更多信息，请参见 MLI 概述 。
注解
图像或多类别 Time Series 实验不支持此功能。
在新的数据集上运行模型诊断：更多信息，请参阅 模型在另一个数据集上的性能 。
模型操作 下拉菜单：
预测 ：请参阅 对另一数据集进行评分.
转换数据集 ：请参阅 转换另一数据集.（不适用于时间序列实验。）
Shapley 值 下拉列表：下载原始或转换特征的 Shapley values 。Driverless AI 调用 XGBoost 和 LightGBM SHAP 函数获取 转换特征 的贡献值。原始特征 的 Shapley 通过（使用朴素方法）平均拆分贡献特征中的贡献值根据转换特征进行近似计算得出。详见 Shapley values in DAI。选择 快速近似 以便仅使用集成中所有可用折叠和模型中的其中一个折叠和模型进行 Shapley 预测。更多关于快速近似选项的信息，请参阅
fast_approx_num_trees和fast_approx_do_one_fold_one_modelconfig.toml settings 。原始特征（快速近似）
原始特征
转换特征（快速近似）
转换特征
导出 ：导出实验。更多信息，请参见 导出和导入实验.
可视化评分管道（实验性）：查看实验评分管道的可视化。更多信息，请参阅 评分管道的可视化 。
下载评分管道 下拉列表：
下载 Python Scoring Pipeline：下载用于 H2O Driverless AI 的可独立运行的 Python Scoring Pipeline。更多信息，请参阅 Driverless AI 独立 Python 评分管道 。
下载 MOJO Scoring Pipeline：独立的优化模型对象评分管道。更多信息，请参阅 MOJO 评分管道 。（注意，此选项不适用于 TensorFlow 或 RuleFit 模型。）
注解
如果评分管道未构建为实验的一部分，则将显示用于构建 Python 和 MOJO Scoring Pipeline 的选项。
部署（本地和云）：部署模型。更多信息，请参阅 将 Driverless AI 模型部署到生产 。
下载预测结果：对于 回归 实验，输出包括含下限和上限的预测结果。对于 分类 实验，输出包括每个类的 概率 和使用 threshold_scorer 创建的 标签 。对于二元问题，F1 为默认 threshold_scorer，因此，如果提供了验证集，则使用验证集上最大 F1 的阈值创建标签。执行交叉验证时，使用内部验证折叠上最大 F1 阈值的平均值创建标签。对于多类问题，使用 argmax 创建标签。
训练（保持）预测结果 ：以 CSV 格式提供，未 提供验证集时可用。
验证集预测结果 ：以 CSV 格式提供，提供了验证集时可用。
测试集预测结果 ：以 CSV 格式提供，使用测试数据集时可用。
下载摘要和日志：下载包含以下文件的 zip 文件。更多信息，请参阅 实验摘要 部分。
实验日志（常规和匿名）
实验摘要
实验特征及其相对重要性
实验的 自定义个体插件
集成信息
实验预览
自动生成的实验报告（word 版）
目标转换调优排行榜
调优排行榜
下载 AutoDoc：下载自动生成的实验报告，格式为 Word (DOCX) 文档。此文件还可在实验摘要 zip 文件中找到。请注意，此选项不适用于已弃用的模型。更多信息，请参见 使用 AutoDoc 。
调优实验 下拉列表：使用以下选项调优已完成的实验：
新建/继续：选择以下选项之一：
使用相同设置：创建一个采用原始实验设置的新实验。选择此选项将转至 实验设置 页面，可在此处更改原始实验的任何参数。
从最后一个检查点：创建一个采用原始实验设置的新实验，并从模型和特征的上一次迭代的检查点继续执行。选择此选项将转至 实验设置 页面，可在此处更改原始实验的任何参数。
重新训练/调整：重新训练实验的最终管道。更多信息，请参见 重新训练/调整 。
创建个体插件：创建正在查看的实验的个体插件。创建个体插件后，可以将其下载到本地文件系统，也可以将其上传为自定义插件。若将个体插件上传为自定义插件，可在 插件 页面中和 包括特定个体 下的“专家设置”中找到该插件。有关个体插件的更多信息，请参阅 自定义个体插件 。
注解
如果启动 Driverless AI 时启用了工件，则上述 “下载” 选项（AutoDoc 除外）将显示为 “导出” 选项。更多信息，请参阅 导出工件 。
