Prédiction avec le déploiement de série temporelle

Après avoir déployé et approuvé votre modèle de série temporelle, vous pouvez créer des projections spécifiques au temps. Dans ce didacticiel, nous créons une configuration de prédiction au sein du déploiement ML et l'utilisons pour exécuter une prédiction par lots.

Jusqu'à présent, nous avons utilisé les données de ventes quotidiennes pour créer un modèle d'apprentissage automatique. L'objectif, avec ce processus, était de reconnaître les patterns via l'apprentissage automatique, afin de les appliquer aux nouvelles données.

Comprendre les prédictions des modèles de série temporelle

Il est important de savoir comment fonctionnent les prédictions des modèles de série temporelle, car cela est différent des prédictions d'autres types de modèle. Les étapes à suivre pour préparer votre jeu de données à appliquer sont différentes des étapes à suivre pour d'autres types de modèle.

Avec les modèles de série temporelle, les nouvelles prédictions sont ajoutées sous forme de nouvelles lignes et non sous forme de colonne distincte.

Création d'un jeu de données à appliquer

Cette section vous explique comment créer votre jeu de données à appliquer pour ce problème de série temporelle. Le processus réel de compilation des lignes du jeu de données n'est pas indiqué, mais le flux de travail l'est.

Structure de colonnes

Votre jeu de données à appliquer doit contenir le même schéma que celui du modèle de série temporelle que vous avez déployé. Vous trouverez le schéma lorsque vous ouvrirez le déploiement ML.

Dans tous les cas, le jeu de données à appliquer doit inclure les mêmes colonnes que le schéma du modèle — en d'autres termes, une colonne pour chacun des éléments suivants :

• Index de date

• Cible

• Groupes

• Caractéristiques (covariables)

Structure de lignes

Votre jeu de données doit contenir des enregistrements (lignes) comme suit :

• Colonnes et en-têtes de colonne de toutes les colonnes incluses dans le jeu de données d'apprentissage.

• Même pas temporel que celui du jeu de données d'apprentissage.

• Autant ou plus d'enregistrements de données historiques (par cible et par groupe) avant l'heure limite de projection que le nombre d'enregistrements de la fenêtre d'application du modèle. Il doit s'agir d'enregistrements complets contenant la date ou l'horodatage historiquement observé, la cible et les valeurs de covariable. La fenêtre d'application est déterminée par la fenêtre et l'écart de projection configurés lors de l'apprentissage — plus vous devez prédire loin dans le futur, plus vous avez besoin de données historiques dans votre jeu de données d'application pour exécuter des prédictions.

• Enregistrements de toutes les étapes temporelles futures de votre horizon de projection. Pour ces enregistrements futurs, incluez uniquement les valeurs de la colonne d'index de dates, ainsi que toutes les caractéristiques futures. Laissez les valeurs des autres colonnes vides.

Autres modifications

Vous pourriez avoir besoin d'apporter d'autres modifications au jeu de données afin qu'il corresponde au schéma du modèle. En particulier, les caractéristiques groupées, lorsqu'elles sont sélectionnées sous forme de groupes lors de l'apprentissage, sont automatiquement transformées en type de caractéristique catégorique afin de pouvoir être utilisées comme groupes. Dans vos données à appliquer, si vous avez des caractéristiques contenant des données numériques que vous utilisez comme groupes, vous devrez transformer leur type de données afin qu'elles soient identifiées comme des données catégoriques. Un exemple de cela est présenté à la section Préparation du jeu de données.

Préparation du jeu de données

Ce didacticiel fournit un jeu de données à appliquer qui a déjà été configuré avec les colonnes et les enregistrements nécessaires. Cependant, le jeu de données à appliquer fourni contient une colonne numérique, store_nbr, qui a été configurée comme groupe dans le modèle. Vous devez donc créer un script pour transformer cette colonne en données de type chaîne.

Procédez comme suit :

1. Accédez à la page Créer du centre d'activités Analytiques et sélectionnez Script.

2. Saisissez un nom pour votre script, par exemple, Données à appliquer transformées.

3. Sélectionnez un espace pour votre script. Il doit s'agir du même espace que celui dans lequel vous avez stocké le jeu de données à appliquer d'origine.

4. Cliquez sur Créer.

5. Dans Script, passez à Éditeur.

6. Sous Sections, cliquez sur pour ajouter une nouvelle section.

7. Collez le script de chargement ci-dessous dans l'éditeur.

8. Cliquez sur Exporter les données.

ApplyDataset_Transformed:

LOAD
    id,
    "date",
    text(store_nbr) as store_nbr,
    family,
    sales,
    onpromotion
FROM [lib://:DataFiles/ML - Multivariate forecasting - apply.csv]
(txt, codepage is 28591, embedded labels, delimiter is ',', msq);

Store [ApplyDataset_Transformed] into [lib://:DataFiles/Final transformed apply dataset.qvd](QVD);

Une fois le script exécuté, un nouveau jeu de données à appliquer, Final transformed apply dataset.qvd, doit se trouver dans le même espace que le jeu de données à appliquer d'origine.

Création de prédictions

Maintenant que vous disposez d'un jeu de données à appliquer compatible, utilisez-le pour créer des prédictions à partir de votre déploiement ML.

Procédez comme suit :

1. Dans le catalogue, ouvrez le déploiement Déploiement de projection de ventes que vous avez créé dans Déploiement d'un modèle de série temporelle.

2. Dans le coin inférieur droit, cliquez sur Créer une prédiction.

3. Dans le volet Configuration de la prédiction à droite, sous Données à appliquer, cliquez sur Sélectionner un jeu de données à appliquer.

4. Sélectionnez le fichier apply dataset (jeu de données à appliquer) : Final transformed apply dataset.qvd.

5. Comparez les schémas des jeux de données d'apprentissage et à appliquer. Il ne devrait pas y avoir d'erreurs d'incompatibilité de schéma.

6. Dans le volet Configuration de la prédiction, cliquez sur Nommer le jeu de données de prédiction. Saisissez le nom suivant : ML - Sales predictions. Utilisez le format Parquet par défaut.

7. Sélectionnez un espace et cliquez sur Confirmer.

Cliquez sur l'icône à côté de Enregistrer et fermer. Sélectionnez Enregistrer et prédire maintenant.

Il est possible de surveiller le processus dans Prédictions du jeu de données. Vous pouvez consulter le résultat dans Catalogue en cliquant sur Ouvrir dans la fenêtre contextuelle qui apparaît.

Une fois l'exécution de la prédiction terminée, créez une application pour afficher vos prédictions. Passer à la rubrique suivante.