Création de prédictions en temps réel

Utilisez votre déploiement ML pour prédire les résultats futurs des nouvelles données.

Il est possible de créer des prédictions en temps réel via l'API de prédiction, pour prendre, par exemple, des décisions en temps réel sur les remises accordées aux clients lors du paiement. Lors de la génération de prédictions, vous pouvez charger les informations prédictives dans une application Qlik Sense. Cela vous permet de visualiser les données et d'interagir avec elles afin de créer des scénarios hypothétiques.

Utilisation de l'API de prédiction en temps réel

Le volet Prédictions en temps réel de l'interface de déploiement ML vous permet d'accéder à l'API de prédiction en temps réel.

L'API de prédiction en temps réel est une communication bidirectionnelle entre AutoML et d'autres fonctionnalités de Qlik Cloudincluant Qlik Sense et Automatisations ainsi que des applications externes. Vous pouvez utiliser l'API pour effectuer des prédictions par programmation en transmettant des données à un modèle et récupérer les résultats de prédiction en temps réel.

Conditions requises

• Pour pouvoir utiliser l'API de prédiction en temps réel, vous devez disposer d'une clé API. Pour pouvoir générer une clé API, un utilisateur doit être titulaire du rôle Developer dans le client.

  Pour plus d'informations sur l'API de prédiction, consultez Prédictions en temps réel AutoML.

• Le modèle source du déploiement ML que vous utilisez doit être activé pour pouvoir effectuer des prédictions. Pour plus d'informations, consultez :

  • Approbation de modèles déployés

  • Utilisation de l'approbation de modèles en tant qu'administrateur

• Vous devez disposer des autorisations appropriées pour pouvoir utiliser des déploiements ML et des prédictions. Ceci inclut des rôles de sécurité et des rôles d'espace. Consultez Utilisation de prédictions ML.

Affichage des détails sur la dérive des données et les événements de prédiction

Après avoir exécuté une prédiction en temps réel, ouvrez le déploiement ML et accédez au volet Surveillance de la dérive des données. Cette vue vous permet d'évaluer les éléments suivants :

• Le niveau de dérive des données de chaque caractéristique impliquée dans la prédiction. La comparaison est effectuée entre les données que vous envoyez à l'API de prédiction en temps réel AutoML et le jeu de données d'apprentissage.

• Des détails sur l'événement de prédiction, par exemple s'il a réussi ou échoué, et le nombre de prédictions générées.

Pour plus d'informations, consultez Surveillance des performances et de l'utilisation des modèles déployés.