Arbeiten mit ML-Vorhersagen

Nachdem Sie Ihr Modell für maschinelles Lernen bereitgestellt haben, können Sie es zum Treffen von Vorhersagen verwenden. Diese Vorhersagen können verwendet werden, um effizientere und besser informierte Entscheidungen gestützt auf Ihre Daten zu treffen.

Sie können ML-Bereitstellungen in persönlichen oder freigegebenen Bereichen erstellen und bearbeiten und Vorhersagen treffen. Sie können ML-Bereitstellungen auch in verwalteten Bereichen veröffentlichen und Vorhersagen treffen. Der Zugriff auf ML-Bereitstellungen wird über den Bereich gesteuert. Weitere Informationen zu Bereichen finden Sie unter Arbeiten in Bereichen.

ML-Bereitstellungen können in persönlichen, freigegebenen und verwalteten Bereichen erstellt werden. In einer ML-Bereitstellung generierte Vorhersagedaten können in einem persönlichen, freigegebenen oder verwalteten Bereich gespeichert werden.

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. Modellgenehmigung veranlassen

   Bevor Sie mit Ihrer ML-Bereitstellung Vorhersagen generieren können, muss das Quellmodell dafür aktiviert werden. Die Modellgenehmigung kann von Benutzern und Administratoren mit bestimmten Berechtigungen durchgeführt werden.

   Genehmigen von bereitgestellten Modellen

3. Vorhersagen erstellen

   Erstellen Sie manuelle oder geplante Vorhersagen anhand von Datensätzen oder verwenden Sie die Echtzeitvorhersagen-Endpunkte in der Machine Learning API.

   Erstellen von Vorhersagen in Datensätzen

   Machine Learning API

4. Die prädiktiven Einblicke visualisieren

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

   Visualisieren von SHAP-Werten in Qlik Sense-Apps

5. 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?

6. 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).

7. Modelle bei Bedarf ersetzen

   Im Laufe der Zeit können sich Ihre Eingabedaten in ihrer Verteilung und ihren Funktionen ändern. Wenn Ihr ursprüngliches Problem für maschinelles Lernen unverändert bleibt, können Sie neue Modelle in Ihre bestehende ML-Bereitstellung einfügen, um eine nahtlose Verbesserung der Vorhersagen bei minimaler Unterbrechung zu ermöglichen. Wenn Sie Ihr ursprüngliches Problem für maschinelles Lernen neu definieren müssen, können Sie ein neues Experiment erstellen.

   Verwenden mehrerer Modelle in der ML-Bereitstellung

Anforderungen und Berechtigungen

Weitere Informationen zu den erforderlichen Benutzerberechtigungen für die Arbeit mit ML-Bereitstellungen und Vorhersagen finden Sie unter Zugriffskontrollen für ML-Bereitstellungen und Vorhersagen.