Trabajar con características de fecha en predicciones
Al ejecutar predicciones desde una implementación de ML entrenada con características de fecha de ingeniería automática, existen requisitos sobre cómo especificar fechas y horas en los datos de aplicación. Estos requisitos y consideraciones son ligeramente diferentes según si se ejecutan predicciones por lotes, predicciones en tiempo real o si se utiliza el conector de análisis Qlik Predict.
Ingeniería automática de características de fecha
La ingeniería automática de características es un paso de preparación de datos que se realiza en un experimento de ML durante el entrenamiento del modelo. Con este proceso, se crean nuevas características a partir del conjunto de datos de entrenamiento y luego se utilizan para entrenar el modelo. Para las columnas de características de fecha, este proceso se realiza automáticamente de forma predeterminada. Los usuarios pueden optar por no participar en la ingeniería de características de fecha. Sin embargo, en la mayoría de los casos, se recomienda utilizar esta capacidad.
Para más información, vea Ingeniería de características de fecha.
Requisitos para predicciones por lotes
Las características de fecha de ingeniería automática se generan al usar el conjunto de datos de entrenamiento para crear un modelo, el cual se implementa y se usa como una implementación de ML para hacer predicciones sobre nuevos datos (para predicciones por lotes, este es el conjunto de datos de aplicación).
Cuando se implementa un modelo entrenado con características de fecha de ingeniería automática para realizar predicciones, no es necesario que el conjunto de datos de aplicación en el que se generan las predicciones incluya las características de fecha de ingeniería automática. Qlik Predict genera las características automáticas para el conjunto de datos de aplicación antes de hacer predicciones. Sin embargo, el conjunto de datos de aplicación debe incluir la característica de fecha principal (de la que se derivaron las partes de la fecha), y la columna que está usando debe tener el tipo de datos Date, Datetime, Timestamp o Time.
Los conjuntos de datos de predicción creados por una implementación de ML, incluidos SHAP y los conjuntos de datos de aplicación, incluirán las características de fecha de ingeniería automática.
Requisitos para predicciones en tiempo real y basadas en conectores
Al ejecutar predicciones en tiempo real y predicciones del conector de análisis de Qlik Predict, existen requisitos para las características de fecha en los datos de aplicación que proporciona a Qlik Predict. Para este tipo de predicciones, los datos de aplicación se especifican en una pequeña carga útil JSON en lugar de como un conjunto de datos de aplicación. Para predicciones en tiempo real y basadas en conectores, está enviando la carga útil JSON al punto de conexión de predicciones en tiempo real en la API de Machine Learning.
Para que el punto de conexión de predicciones en tiempo real de la API Machine Learning pueda procesar sus campos de fecha y fecha-hora, la carga útil de JSON que envíe al punto de conexión debe cumplir los siguientes requisitos:
-
Los valores de fecha y fecha-hora deben ser cadenas de caracteres con un formato conforme a los estándares de ISO 8601. Ejemplos:
-
2020-01-14
-
2020-01-14T00:00:00.000Z
-
-
La fecha principal —la característica de la que se derivaron las partes de la fecha— debe incluirse en su totalidad. Por ejemplo, su modelo podría usar solo una característica Año, pero aún necesita proporcionar la fecha en un formato conforme a ISO 8601.
-
Los datos dentro de cada columna deben pertenecer a la misma zona horaria.
Los requisitos anteriores:
-
Solo se aplican a las características entrenadas con ingeniería de características de fecha. Si el tipo de característica se cambia manualmente al tipo de característica categórica, estos requisitos no se aplican. Si el tipo de característica se ha cambiado a categórico, proporcione la columna, en el formato de fecha en el que se utilizó originalmente para el entrenamiento, en los datos de aplicación.
-
No se aplican a los modelos de series temporales.
La API de predicciones en tiempo real queda obsoleta y se sustituye por el punto de conexión de predicciones en tiempo real en la API Machine Learning. La funcionalidad en sí no se quedará obsoleta. Para futuras predicciones en tiempo real, utilice el punto de conexión para predicciones en tiempo real en la API Machine Learning. Para obtener ayuda con la migración de la API de predicciones en tiempo real a la API Machine Learning, consulte la guía de migración en el portal para desarrolladores de Qlik Cloud.