Erstellen von Echtzeitvorhersagen
Verwenden Sie Ihre ML-Bereitstellung, um zukünftige Ergebnisse aus neuen Daten vorherzusagen.
Mit der Vorhersage-API können Vorhersagen in Echtzeit erstellt werden, z. B. Entscheidungen in Echtzeit über Kundenrabatte an der Kasse. Wenn Vorhersagen generiert werden, können Sie prädiktive Einblicke in eine Qlik Sense App laden. Dann können Sie die Daten visualisieren, mit ihnen interagieren und Was-wäre-wenn-Szenarien erstellen.
Verwenden der Echtzeitvorhersage-API
Im Fenster Echtzeitvorhersagen der ML-Bereitstellung erhalten Sie Zugriff auf die Echtzeitvorhersage-API.
Die Echtzeitvorhersage-API ist eine Kommunikation in beide Richtungen zwischen AutoML und anderen Funktionen in Qlik Cloud, einschließlich Qlik Sense und Automatisierungen sowie externer Anwendungen. Sie können die API verwenden, um programmgesteuert Vorhersagen zu erstellen, indem Sie Daten an ein Modell übergeben und die Vorhersageergebnisse in Echtzeit abrufen.
Fenster „Echtzeitvorhersagen“
Voraussetzungen
Für die Verwendung der Echtzeitvorhersage-API ist ein API-Schlüssel erforderlich. Ein Benutzer muss die Rolle Developer im Mandanten haben, um einen API-Schlüssel erstellen zu können.
Weitere Informationen über die Vorhersage-API finden Sie unter Echtzeitvorhersagen in AutoML.
Das Quellmodell für die von Ihnen verwendete ML-Bereitstellung muss für die Erstellung von Vorhersagen aktiviert sein. Weitere Informationen finden Sie unter:
Sie benötigen die richtigen Berechtigungen für die Arbeit mit ML-Bereitstellungen und Vorhersagen. Dies umfasst Sicherheitsrollen und Bereichsrollen. Weitere Informationen finden Sie unter Arbeiten mit ML-Vorhersagen.
Anzeigen von Details zu Datendrift und Vorhersageereignissen
Nachdem Sie eine Echtzeit-Vorhersage ausgeführt haben, öffnen Sie die ML-Bereitstellung und wechseln Sie zum Fenster Überwachung von Datendrifts. In dieser Ansicht können Sie Folgendes bewerten:
den Grad des Datendrifts für jedes Feature an der Vorhersage beteiligte Feature. Der Vergleich wird zwischen den Daten, die Sie an die Echtzeit-Vorhersage-API von AutoML senden, und dem Trainingsdatensatz durchgeführt.
Details über das Vorhersageereignis, z. B. ob es erfolgreich war oder nicht und wie viele Vorhersagen generiert wurden.
Weitere Informationen finden Sie unter Überwachung von Leistung und Nutzung bereitgestellter Modelle.