Zu Hauptinhalt springen Zu ergänzendem Inhalt springen

Arbeiten mit ML-Bereitstellungen

Nach dem Trainieren und Verfeinern eines Modells können Sie das Modell bereitstellen, um Vorhersagen zu treffen.

ML-Bereitstellungen können in persönlichen, freigegebenen und verwalteten Bereichen erstellt werden.

Anforderungen und Berechtigungen

Um mit ML-Bereitstellungen und deren Vorhersagekonfigurationen arbeiten zu können, benötigen Sie:

  • Professional- oder umfassende Benutzerberechtigung

  • ML-Bereitstellungen anzeigen und erstellen: Sicherheitsrolle Automl Deployment Contributor oder Automl Experiment Contributor

  • ML-Bereitstellungen bearbeiten und löschen: Sicherheitsrolle Automl Deployment Contributor

  • Vorhersagen über die ML-Bereitstellung konfigurieren und ausführen: Sicherheitsrolle Automl Deployment Contributor

  • Die erforderlichen Berechtigungen in dem Bereich, in dem sich die ML-Bereitstellungen befinden.

Vorhersagen werden als Datensätze erstellt. Daher gelten die Anforderungen für die Arbeit mit Datenquellen in Qlik Cloud auch für die Arbeit mit Vorhersageausgaben (z. B. deren Verwendung in einer Qlik Sense App). Sie müssen die Rolle Ersteller privater Analyseinhalte haben, um Datensätze in Ihrem persönlichen Bereich zu erstellen.

Für geplante Vorhersagen gelten auch Anforderungen für den Besitzer der Vorhersagekonfiguration.

Weitere Informationen finden Sie unter:

Workflow

Die folgenden Schritte sind ein Beispiel für die Arbeit mit ML-Bereitstellungen und Vorhersagen.

  1. Modell bereitstellen

    Stellen Sie das Modell bereit, das Sie für Vorhersagen verwenden möchten.

    Bereitstellen von Modellen

  2. Vorhersagen erstellen

    Erstellen Sie manuelle oder geplante Vorhersagen anhand von Datensätzen oder verwenden Sie die Vorhersage-API.

    Erstellen von Vorhersagen in Datensätzen

  3. Die prädiktiven Einblicke visualisieren

    Laden Sie die generierten Vorhersagedaten in eine App und erstellen Sie Visualisierungen.

    Visualisieren von SHAP-Werten in Qlik Sense-Apps

  4. Daten mit Was-wäre-wenn-Szenarien untersuchen

    Integrieren Sie die Vorhersage-API in eine App, um Vorhersagen in Echtzeit zu treffen. Auf diese Weise können Sie Was-wäre-wenn-Szenarien ausprobieren, indem Sie Featurewerte ändern und vorhergesagte Ergebnisse für die neuen Werte erhalten. Der Datensatz wird über die API an die ML-Bereitstellung übergeben, und die Antwort wird in Echtzeit erhalten. Beispiel: Wie würde sich das Risiko der Kundenabwanderung ändern, wenn wir den Plantyp ändern oder die Grundgebühr erhöhen?

  5. Maßnahmen ergreifen

    Analysieren Sie die prädiktiven Einblicke und Szenarien, um herauszufinden, welche Maßnahmen ergriffen werden sollten. Qlik Application Automation unterstützt Sie beim Automatisieren der Maßnahmen und stellt spezifische Vorlagen für Anwendungsfälle mit maschinellem Lernen bereit. Weitere Informationen zu Automatisierungen finden Sie unter Qlik Application Automation (nur auf Englisch).

Weitere Informationen

Hat diese Seite Ihnen geholfen?

Wenn Sie Probleme mit dieser Seite oder ihren Inhalten feststellen – einen Tippfehler, einen fehlenden Schritt oder einen technischen Fehler –, teilen Sie uns bitte mit, wie wir uns verbessern können!