Tutorial – Generar y visualizar datos de predicciones

Este tutorial le enseña cómo utilizar Qlik AutoML para entrenar e implementar un modelo de aprendizaje automático para realizar predicciones. También le enseña cómo visualizar los datos de predicción en una aplicación de Qlik Sense.

Consideraremos un escenario de abandono de clientes, un ejemplo clásico de un problema de clasificación binaria. El objetivo es poder predecir de forma fiable si un cliente cancelará su suscripción o continuará siendo suscriptor de un servicio. Solo hay dos resultados posibles en este tipo de problema: verdadero o falso (el cliente abandona o no abandona).

Para abordar este problema de aprendizaje automático, comenzaremos procesando un conjunto de datos para los cuales ya conocemos el resultado, luego aplicaremos modelos estadísticos creados a partir de esos datos a nuevos datos para los que nos gustaría predecir los resultados.

Comenzaremos este tutorial creando un experimento. A partir de ahí, entrenará modelos e implementará uno de ellos en una implementación de ML. Esta implementación de ML se utilizará para crear predicciones, que podrán visualizarse en una app de Qlik Sense.

Lo que aprenderá

Una vez que haya completado este tutorial, entenderá los diferentes pasos necesarios para crear y configurar un experimento. También aprenderá a interpretar las puntuaciones de los modelos. Por último, podrá implementar un modelo de aprendizaje automático (machine learning) y entenderá cómo se pueden usar los datos de sus predicciones para generar visualizaciones atractivas de Qlik Sense en Analítica de Qlik Cloud.

Este tutorial le muestra cómo iterar manualmente sus modelos identificando problemas comunes con su conjunto de datos y los resultados del entrenamiento. De forma predeterminada, Qlik AutoML entrena sus modelos con una optimización inteligente de estos. Con la optimización inteligente, se realiza un refinamiento automático durante el entrenamiento. Esto aumenta la probabilidad de que sus modelos estén listos para implementarse tras una única versión, con una necesidad mínima de iteración posterior. Para ver un ejemplo de cómo entrenar modelos con optimización inteligente, consulte Ejemplo: entrenamiento de modelos con aprendizaje automático.

¿A quién va dirigido este tutorial?

Este tutorial se ha diseñado para usuarios que deseen una introducción al aprendizaje automático y la visualización de datos en Analítica de Qlik Cloud. Algunos conocimientos básicos de aprendizaje automático en Qlik Sense son útiles, pero no obligatorios.

Para completar este tutorial, necesita lo siguiente:

• Derecho Profesional o Full User

• Los roles de seguridad Automl Experiment Contributor y Automl Deployment Contributor en el espacio empresarial inquilino de Qlik Cloud

• Permisos para aprobar los modelos implementados. En concreto usted necesita una de las siguientes opciones:

  • Aprobar o rechazar sus modelos de AutoML (permiso de usuario)

  • Aprobar o rechazar los modelos de AutoML (permiso de administrador)

• Los roles de espacio requeridos en los espacios donde trabajará. Consulte: Administrar permisos en espacios compartidos y Gestionar permisos en espacios administrados

Si no puede ver o crear recursos de ML, probablemente significa que no tiene los roles, derechos o permisos necesarios. Contacte con su administrador del espacio empresarial inquilino para más información.

Para obtener más información, consulte Quién puede trabajar con Qlik AutoML.

Lo que debe hacer antes de comenzar

En primer lugar, debe descargar los materiales del tutorial enlazados a continuación. Elija entre los flujos de trabajo CSV y QVD. La descarga de la aplicación preconfigurada es opcional.

Cuando haya descargado los materiales deseados, descomprímalos en su escritorio.

• AutoMLTutorialDatasetsCSV: Contains tutorial data in CSV format. This option is easier for getting started quickly.

• AutoMLTutorialDatasetsQVF: Contiene datos del tutorial en formato de scripts .qvf que pueden ejecutarse para crear QVD. Esta opción lleva un poco más de tiempo que CSV, pero es útil para iniciarse en el trabajo con formatos de datos Qlik y scripts.

• AutoMLTutorialPreConfiguredApp: Este elemento es opcional. Es una copia a modo de muestra de la app de Qlik Sense que creará durante el tutorial. Esto le permite saltarse las fases de entrenamiento e implementación para disfrutar de una experiencia práctica más rápida con el desarrollo de apps predictivas.

  Para más información, consulte Flujo de trabajo alternativo: cargar una aplicación preconfigurada.

El conjunto de datos de entrenamiento contiene información sobre los clientes cuya fecha límite de renovación ha vencido y han tomado la decisión de abandonar o permanecer suscritos al servicio.

El conjunto de datos de aplicación contiene detalles sobre un nuevo conjunto de clientes cuya fecha de renovación aún no ha pasado. Aún no se ha determinado si estos clientes cancelarán o no su servicio. El objetivo de este tutorial es predecir lo que hará este conjunto de clientes, con la esperanza de que podamos disminuir la probabilidad de abandono.

Opción 1: Conjuntos de datos del tutorial de AutoML (CSV)

Haga lo siguiente:

1. Abra el centro de actividades Analítica.

2. Vaya a la página Crear, seleccione Conjunto de datos y luego seleccione Cargar archivo de datos.

3. Arrastre el archivo AutoML Tutorial - Churn data - training.csv al cuadro de diálogo de carga.

4. A continuación, arrastre el archivo AutoML Tutorial - Churn data - apply.csv al cuadro de diálogo de carga.

5. Seleccione un espacio. Puede ser su espacio personal o un espacio compartido si desea que otros usuarios puedan acceder a estos datos.

6. Haga clic en Cargar.

Ahora que sus conjuntos de datos están cargados, puede proceder a crear un experimento.

Opción 2: Conjuntos de datos del tutorial de AutoML (QVD)

Haga lo siguiente:

1. Abra el centro de actividades Analítica.

2. Vaya a la página Crear, seleccione Cargar y luego seleccione Script.

3. Arrastre estos archivos al cuadro de diálogo de carga:

   • AutoML Tutorial - Churn data - training.qvf

   • AutoML Tutorial - Churn data - apply.qvf

4. Seleccione un espacio. Puede ser su espacio personal o un espacio compartido si desea que otros usuarios puedan acceder a estos datos.

5. Haga clic en Cargar.

6. Para cada script cargado, haga lo siguiente:

   1. Abra el script y cambie a la pestaña Editor.

   2. En Editor, haga clic en Exportar datos.

   El conjunto de datos QVD se crea en el mismo espacio en el que cargó el script.

Ahora que sus conjuntos de datos están creados, puede proceder a crear un experimento.

Lecciones de este tutorial

Los temas de este tutorial están diseñados para realizarse de forma secuencial. No obstante, puede dejarlo y continuar en cualquier momento.

Más información y recursos

• Qlik ofrece una amplia variedad de recursos si desea más información.
• La ayuda online de Qlik está disponible.
• Hay disponible formación, incluidos cursos gratuitos online, en Qlik Continuous Classroom.
• Puede encontrar foros de discusión, blogs y más en Qlik Community.

Su opinión importa

Agradecemos cualquier comentario que pueda hacer. Utilice la sección a continuación para informarnos sobre cómo lo estamos haciendo.