Einführung in automatisiertes maschinelles Lernen

Automatisieren Sie maschinelles Lernen für Ihre Analyseteams mit Qlik AutoML. Mit der einfachen und codefreien Oberfläche können Sie leicht Experimente für maschinelles Lernen erstellen, um damit Modelle zu erstellen und Vorhersagen zu treffen.

Was ist maschinelles Lernen

Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz und Data Science, bei dem es darum geht, Muster in Verlaufsdaten zu erkennen, um zukünftige Ergebnisse vorherzusagen. Algorithmen werden mit den Daten trainiert, um ein Vorhersagemodell zu erstellen, ohne dass sie ausdrücklich hierfür programmiert wurden. Mit einem Modell für maschinelles Lernen können Sie Fragen wie die folgenden beantworten:

• Wird ein Kunde eines Fitness-Centers seine Mitgliedschaft kündigen?

• Wie hoch ist der erwartete Customer Lifetime Value (Kundenwert) für einen bestimmten Kunden?

Lesen Sie mehr über die grundlegenden Konzepte in Verstehen von maschinellem Lernen. Sie lernen auch das strukturierte Framework für das Definieren von Fragen für maschinelles Lernen und das Vorbereiten von Daten kennen.

Welche Möglichkeiten bietet maschinellem Lernen

Erstellen Sie automatisierte Experimente für maschinelles Lernen in Qlik Sense. Im Aktivitätscenter Analysen können Sie mit anderen Benutzern an dem Experiment zusammenarbeiten und leicht Daten aus dem Katalog laden, um das Modell zu trainieren.

Integrieren Sie Ihre prädiktiven Analysen in Qlik Sense-Apps, um Ihre Erkenntnisse zu teilen. Experimentieren Sie weiter mit Visualisierungen und interaktiven Was-wäre-wenn-Szenarien, um zu verstehen, wie sich eine Änderung verschiedener Parameter auf das gewünschte Ergebnis auswirken könnte.

Sie können Vorhersagen für im Katalog gespeicherte Datensätze treffen oder anhand von Qlik Sense-APIs in Echtzeit operative Vorhersagen machen.

Wie funktionieren Experimente

Mit einem Experiment werden Algorithmen für maschinelles Lernen mit einem bestimmten Datensatz und einem konkreten Ziel trainiert. Beim Training werden Modelle für maschinelles Lernen erstellt, die Sie für Vorhersagen verwenden können.

Ein Großteil des Prozesses beim automatisierten maschinellen Lernen ist automatisch. Wenn Sie ein Experiment erstellen und einen Datensatz laden, wird der Datensatz automatisch analysiert, und die Daten werden vorverarbeitet, um sie auf das maschinelle Lernen vorzubereiten. Es werden Statistiken und andere Informationen für jede Spalte angezeigt, um Sie bei der Auswahl eines Ziels zu unterstützen. Wenn Sie das Training starten, beginnen mehrere Algorithmen mit der Suche nach Mustern in den Daten. Weitere Informationen zum Erstellen und Trainieren von Experimenten finden Sie unter Arbeiten mit Experimenten.

Wenn das Training abgeschlossen ist, können Sie das generierte Modell für maschinelles Lernen anhand von Punktzahlen (Scores) und Rangfolgen bewerten. Indem Sie Parameter ändern und weitere Iterationen des Trainings ausführen, können Sie mehrere Versionen erstellen. Wählen Sie das Modell mit der besten Leistung für Ihren Datensatz aus und stellen Sie es bereit, um mit Vorhersagen zu beginnen. Weitere Informationen finden Sie unter Arbeiten mit ML-Bereitstellungen.

Wie in der folgenden Abbildung gezeigt, kann ein Experiment mehrere Versionen haben, die jede einen oder mehrere Algorithmen verwenden. Das Modell mit dem Algorithmus mit der besten Leistung kann bereitgestellt werden, um Vorhersagen zu treffen. Das bedeutet, dass ein Experiment zu mehreren ML-Bereitstellungen führen kann.

AutoML-Einschränkungen

AutoML ist eine zusätzliche kostenpflichtige Funktion. Einige eingeschränkte Funktionen sind in entsprechenden Abonnement enthalten. Die spezifischen Funktionen und Kapazitäten hängen von Ihrer Abonnementstufe ab.

• Für Qlik AutoML besteht ein API-Geschwindigkeitslimit von 300 Anforderungen pro Minute.

• Maximale Anzahl der Spalten im Datensatz: 500

  Dies gilt für die Datensätze, die für das Trainieren von Experimenten und Generieren von Vorhersagen verwendet werden. Das Limit ist die Anzahl der Spalten, die als Features in der Experimentversion verwendet werden. Der Datensatz kann mehr Spalten enthalten, und die Limits werden berechnet, wenn Spalten im Datensatz eingeschlossen werden.