ML-Generator-Ansicht¶
Übersicht¶
Die ML-Generator-Ansicht ist der projektbezogene Arbeitsbereich, um persistierte Ergebnisse aus ausgeführten ML-Trainingsläufen zu prüfen, Versionen zu vergleichen und eine validierte Default-Version für nachgelagerte Generierungsflüsse festzulegen.
Sie wird über die obere Navigation mit ML-Gen geöffnet.
Nur Modelle mit abgeschlossenem und persistiertem Training erscheinen hier mit Versionen und Statistiken.
Hauptbereiche¶
Linker Bereich: Generatorliste¶
- Generatoren nach Namen suchen.
- Generator auswählen, um Details zu laden.
- Aktuelle Default-Version und Update-Zeitstempel einsehen.
Mittlerer Bereich: Details und Qualität¶
- Headline-Karten:
- Dataset-Größen (train/holdout/synthetic),
- Utility-Score,
- Privacy-Score,
- Gesamtstatus.
- KPI-Metriken (Accuracy, univariate/bivariate/trivariate Signale, NN-Distanzen).
- Top-Drift-Tabelle mit spaltenweisen KL/JS-Drift-Indikatoren.
Rechter Bereich: Versionen und Aktionen¶
- Eine konkrete Version auswählen.
- Gewählte Version als Default setzen.
- Gewählte Version löschen.
Aktionen im Kopfbereich¶
- Full report: detaillierten QA-Report öffnen.
- Export: QA-Report-Artefakt exportieren (wenn verfügbar).
- Model metadata: Modell-Metadaten der gewählten Version öffnen.
- Clear selection: aktuelle Detailauswahl zurücksetzen.
Zusammenhang mit Datenbankansicht und DSL¶
Typischer Ablauf:
- ML-Trainingsmodell-Artefakte in der Datenbankansicht → Create ML erzeugen.
- Das erzeugte DSL-Modell ausführen, damit
<ml-train>Modellversionen trainiert und persistiert. - Ergebnis in der ML-Generator-Ansicht validieren.
- Freigegebene Modellversion in der DSL als
sourcemitml://...nutzen.
Note
Training kann lang laufen. Die Runtime sollte zur Last (Zeilen/Features) passen, und je nach Setup können leistungsstärkere Ressourcen bis hin zu GPU-Workern erforderlich sein.
Beispiel:
1 | |
Für die vollständige Schritt-für-Schritt-Anleitung siehe ML-Generator aus Datenbank-Metadaten.