Examiner les erreurs de prédiction avec le tableau de bord Observability

  • Rversion finale: Zurich
  • Mis à jour 31 juil. 2025
  • 1 minute de lecture

    • Le tableau de bord d’observabilité offre une vue unifiée et des aperçus exploitables pour les erreurs détectées dans Intelligence prédictive. Utilisez ce tableau de bord pour visualiser les erreurs enregistrées et obtenir des informations sur la fiabilité des prédictions et les domaines de problèmes potentiels.

    Affichez le tableau de bord PI - Observabilité en accédant à Intelligence prédictive > Observabilité > Tableau de bord d'observabilité. Le tableau de bord contient les widgets suivants.
    • Nombre total d’erreurs de prédiction
    • Erreurs de prédiction : répartition par date
    • Nombre d’erreurs de prédiction par aptitude
    • Nombre d’erreurs de prédiction par type d’erreur
    • Types d’erreur par aptitude
    • Prédictions réussies et échouées Répartition par date
    Vous pouvez explorer les enregistrements sous-jacents à partir des graphiques de widget. Vous pouvez également modifier la plage de dates de tous les widgets en sélectionnant Date pour ouvrir le sélecteur.
    Figure 1. Tableau de bord d’observabilité PI : quatre widgets supérieurs
    Tableau de bord Intelligence prédictive, affichant quatre widgets : Nombre total d’erreurs de prédiction, Répartition des erreurs de prédiction par date, Nombre d’erreurs de prédiction par aptitude, Nombre d’erreurs de prédiction par type d’erreur.
    Le PI - Tableau de bord d’observabilité s’appuie sur une table dédiée à la journalisation des erreurs de prédiction : ML Predictor Error Logs [ml_predictor_error_logs].
    • Les champs de la table comprennent le type d’erreur, le message d’erreur, le code d’état, la solution et l’aptitude.
    • Affichez les enregistrements de cette table directement en accédant à Intelligence prédictive > Observabilité > Journaux d'erreurs de prédiction.
    • Rôles requis pour accéder à la table : ml_report_user ou ml_admin.
    La table consigne les types d’erreurs granulaires suivants.
    • Problèmes côté client (série 400) : capture les erreurs de demande telles que les délais d’expiration et les entrées non valides.
    • Problèmes côté serveur (Série 500) : suit les erreurs internes du serveur rencontrées lors de la prédiction.
    • Échecs de prédiction interne : identifie les cas où le modèle n’a pas été en mesure de générer une prédiction.
    • Prédictions de faible fiabilité : les enregistrements consignent les résultats tombant en dessous d’un seuil de confiance défini.
    Remarque :
    Les erreurs de formation ne sont pas incluses dans cette table.
    Figure 2. Tableau de bord d’observabilité PI : deux widgets inférieurs
    Section inférieure du tableau de bord Observabilité de l’intelligence prédictive, affichant deux widgets : Types d’erreur par aptitude, Prédictions réussies et échouées et Répartition par date.