Erstellen von Echtzeitvorhersagen
Verwenden Sie Ihre ML-Bereitstellung, um zukünftige Ergebnisse aus neuen Daten vorherzusagen. Echtzeitvorhersagen erstellen Sie mithilfe des Echtzeitvorhersagen-Endpunkts in der Machine Learning API.
Es 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.
Die Echtzeitvorhersagen-API ist veraltet und wurde durch den Echtzeitvorhersagen-Endpunkt in der Machine Learning API ersetzt. Die Funktionalität selbst ist nicht veraltet. Verwenden Sie für künftige Echtzeitvorhersagen den Echtzeitvorhersagen-Endpunkt in der Machine Learning API.
Erstellen von Echtzeitvorhersagen mit der API
Im Fenster Echtzeitvorhersagen der ML-Bereitstellung erhalten Sie Zugriff auf den Echtzeitvorhersagen-Endpunkt in der Machine Learning API. Wenn das Standardmodell in der ML-Bereitstellung für die Erstellung von Vorhersagen aktiviert ist, ist dieses Fenster sichtbar.
Der Echtzeitvorhersagen-Endpunkt ist eine Kommunikation in beide Richtungen zwischen AutoML und anderen Funktionen in Qlik Cloud, einschließlich Qlik Sense und Automatisierungen sowie externer Anwendungen. Sie können den Endpunkt verwenden, um programmgesteuert Vorhersagen zu erstellen, indem Sie Daten an ein Modell übergeben und die Vorhersageergebnisse in Echtzeit abrufen.
Fenster „Echtzeitvorhersagen“
Gehen Sie folgendermaßen vor:
-
Öffnen Sie das Fenster Echtzeitvorhersagen in einer ML-Bereitstellung.
-
Verwenden Sie die Kopierschaltflächen, um die entsprechende URL oder JSON in Ihre Zwischenablage zu kopieren (Informationen zur Auswahl des zu verwendenden Alias finden Sie unter Arbeiten mit Modell-Aliassen in Echtzeitvorhersagen).
-
Integrieren Sie Aufrufe der Machine Learning API in Ihre eigenen Anwendungen oder rufen Sie die API manuell mit dem gewünschten Tool auf.
Spezifikationen für Echtzeit-Endpunkte für die Machine Learning API finden Sie unter Vorhersagen in einer synchronen Anfrage/Antwort generieren.
Allgemeine Informationen zur Machine Learning API finden Sie unter Machine Learning API.
Anforderungen für Echtzeitvorhersagen
-
Für die Verwendung des Echtzeitvorhersagen-Endpunkts ist ein API-Schlüssel erforderlich. Ein Benutzer muss die Rolle Developer im Mandanten haben, um einen API-Schlüssel erstellen zu können.Weitere Informationen finden Sie unter Generieren und Verwalten von API-Schlüsseln.
-
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.
Arbeiten mit Modell-Aliassen in Echtzeitvorhersagen
Sie können mehrere Modelle zu einer ML-Bereitstellung hinzufügen. In ML-Bereitstellungen wird ein System von Aliassen verwendet, um den dynamischen Austausch von Modellen für die Verwendung in Vorhersagen zu ermöglichen. Weitere Informationen finden Sie unter Verwenden mehrerer Modelle in der ML-Bereitstellung.
Wenn Sie Ihre URL oder JSON kopieren, stehen Ihnen die folgenden Optionen zur Verfügung:
-
Standardvorhersage: Verwenden Sie diese Option, um Vorhersagen anhand des Standard-Alias in der ML-Bereitstellung zu erstellen.
-
Alias Vorhersage: Verwenden Sie diese Option, wenn Sie Vorhersagen über zusätzliche Aliasse generieren möchten, die Sie der ML-Bereitstellung hinzugefügt haben. Wählen Sie einen Alias aus dem Dropdown-Menü aus und kopieren Sie die URL oder JSON.
Anzeigen von Details zu Datendrift und Vorhersageereignissen
Nachdem Sie eine Echtzeitvorhersage ausgeführt haben, öffnen Sie die ML-Bereitstellung und prüfen Sie die Fenster Überwachung von Vorgängen und Überwachung von Datendrifts. In diesen Ansichten 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: