Utilisation de prédictions pour les modèles de série temporelle
Après avoir déployé un modèle de série temporelle, vous pouvez l'utiliser pour créer des prédictions sur de nouvelles données. Pour créer des prédictions de série temporelle, préparez un jeu de données à appliquer contenant les données et la structure requises. Pour des informations détaillées complètes, consultez Préparation d'un jeu de données à appliquer.
Mécanisme de prédiction
Le processus des prédictions de modèles de série temporelle présente quelques différences par rapport aux modèles de classification et de régression.
Les modèles de classification et de régression prédisent les valeurs futures d'une colonne entière qui n'existe pas ou qui n'est pas connue dans le jeu de données à appliquer. Par exemple, supposons que vous ayez un modèle de classification binaire qui prédit les valeurs futures d'une colonne Churned (Perte de clientèle). Le jeu de données à appliquer ne contiendra généralement pas de colonne Churned, et, si elle est présente, elle sera ignorée — à la place, les valeurs de cette colonne seront générées par le modèle sous forme de prédictions.
En revanche, avec un modèle de série temporelle, les prédictions sont créées sous forme de lignes et non de colonnes. Les prédictions continuent à être générées pour une colonne cible, mais ces enregistrements correspondent à des valeurs temporelles futures spécifiques. La structure des colonnes ne change pas entre les jeux de données d'apprentissage et à appliquer.
De plus, un jeu de données à appliquer d'un modèle de classification ou de régression ne doit contenir aucune valeur cible pour laquelle vous souhaitez générer des prédictions. En revanche, le jeu de données à appliquer d'un modèle de série temporelle doit contenir des valeurs de caractéristiques et cibles historiques correspondant à la fenêtre à appliquer du modèle. Ces conditions sont spécifiées plus en détail dans Utilisation de prédictions pour les modèles de série temporelle.
Outils disponibles pour la création d'un jeu de données à appliquer
Les outils suivants sont disponibles dans Qlik Cloud pour vous aider à créer et à générer dynamiquement vos jeux de données :
-
Élaboration de scripts Qlik, disponible dans l'Éditeur de chargement de données dans les applications, ainsi que dans l'éditeur de script autonome accessible depuis le centre d'activités Analytiques.
Rédaction d'un script permettant de charger ou d'exporter des données
-
Recette de table, disponible sous forme d'outil autonome depuis le centre d'activités Analytiques. La recette de table est conçue pour créer des jeux de données à table unique tels que ceux utilisés en apprentissage automatique.
Chargement et préparation de données à l'aide de Recette de table
-
Flux de données, disponible sous forme d'outil autonome depuis le centre d'activités Analytiques.
Chargement et préparation de données à l'aide d'un flux de données
-
Gestionnaire de données dans les applications analytiques.
Opérations généralement nécessaires
Modification des types de caractéristiques
Il est possible que, lors de la préparation de votre jeu de données à appliquer, vous deviez transformer des colonnes pour modifier leurs types de caractéristiques.
C'est le cas, par exemple, si vous avez une colonne numérique que vous avez configurée comme groupe dans votre modèle. Lorsque vous sélectionnez une caractéristique comme groupe dans votre expérimentation, son type de caractéristique devient automatiquement catégorique, si ce n'est pas déjà le cas, afin de permettre son traitement sous forme de groupe. Lorsque vous ajoutez votre jeu de données à appliquer pour effectuer des prédictions, les données de la colonne contiennent probablement encore des données de caractéristiques numériques ; vous devrez donc changer la colonne en données de type chaîne afin qu'elle puisse être identifiée comme une caractéristique catégorique. Cette transformation peut être facilement effectuée à l'aide de scripts Qlik — via la fonction text() — ou d'autres outils de préparation des données Qlik tels qu'une recette de table ou un flux de données.
Pour un exemple utilisant des scripts Qlik, consultez Préparation du jeu de données.
Limitations
-
La surveillance de la dérive des données n'est pas disponible pour les modèles de série temporelle.
-
Les jeux de données SHAP ne peuvent pas être générés lors des prédictions avec des modèles de série temporelle.
-
Le connecteur analytique Qlik Predict ne supporte pas les modèles de série temporelle.
Pour les limitations liées aux expérimentations de série temporelle, consultez Limitations et considérations générales.