Accéder au contenu principal Passer au contenu complémentaire

Didacticiel – Utilisation de Qlik AutoML pour créer une application de prédiction

Ce didacticiel vous explique comment utiliser Qlik AutoML pour analyser les données et créer des applications permettant de visualiser les données de prédiction créées avec la plate-forme.

Nous allons utiliser le scénario de la perte de clientèle, un exemple classique de problème de classification binaire. L'objectif est de pouvoir prédire de manière fiable si un client va annuler son abonnement ou rester abonné à un service. Ce type de problème donne lieu à uniquement deux résultats : vrai ou faux (perte ou absence de perte).

Pour aborder ce problème d'apprentissage machine, nous allons commencer par traiter un ensemble de données dont nous connaissons déjà le résultat, puis appliquer la modélisation statistique créée à partir de ces données aux nouvelles données dont nous souhaitons prédire les résultats. Voici l'approche que nous allons adopter dans ce didacticiel.

Pour créer des modèles fiables et exacts, vous devez vous assurer que votre ensemble de données d'apprentissage ne contient pas de fuites ou de caractéristiques présentant des « fuites ». Il se produit des fuites de données lorsque une ou plusieurs caractéristiques des données d'apprentissage peuvent être utilisées pour dériver la variable cible que vous tentez de prédire, ou lorsqu'elles incluent des informations qui n'auraient pas dû être connues au moment de la prédiction.

Dans ce didacticiel, vous allez commencer par créer une expérimentation. Ensuite, vous affinerez et déploierez l'expérimentation pour obtenir un modèle d'apprentissage machine. Ce modèle sera utilisé pour créer des prédictions, qui pourront être affichées sous la forme de visualisations dans une application Qlik Sense.

Ce que vous allez apprendre

Une fois que vous aurez terminé ce didacticiel, vous comprendrez les différentes étapes impliquées dans la création et la configuration d'une expérimentation. Vous découvrirez également comment interpréter les scores des modèles. Pour finir, vous pourrez déployer un modèle d'apprentissage machine et vous saurez utiliser vos données de prédiction pour générer des visualisations Qlik Sense captivantes dans Analyses Qlik Cloud.

À qui s'adresse ce didacticiel

Ce didacticiel est conçu pour les utilisateurs à la recherche d'une introduction à l'apprentissage machine automatisé dans Analyses Qlik Cloud.

Ce que vous devez faire avant de commencer

Téléchargez ce package et décompressez-le sur votre bureau :

Didacticiel Customer churn (Perte de clientèle)

Le package contient les deux fichiers de données nécessaires pour suivre ce didacticiel. Chargez les fichiers de données dans le catalogue.

L'ensemble de données d'apprentissage contient des informations sur les clients dont la date d'échéance de renouvellement est passée et qui ont décidé de ne pas poursuivre leur abonnement ou de rester abonnés au service.

L'ensemble de données d'application contient des détails sur un nouvel ensemble de clients dont la date de renouvellement n'est pas encore passée. On ne sait pas encore si ces clients annuleront ou non leur service. L'objectif de ce didacticiel est de prédire ce que va faire cet ensemble de clients, dans l'espoir de réduire la probabilité qu'ils annulent leur abonnement.

  1. Ouvrez le hub Analyses Qlik Cloud.

  2. Cliquez sur Ajouter nouveau > Ensemble de données, puis sélectionnez Charger un fichier de données.

  3. Faites glisser le fichier Customer churn data - training.csv jusqu'à la boîte de dialogue de chargement.

  4. Ensuite, faites glisser le fichier Customer churn data - apply.csv jusqu'à la boîte de dialogue de chargement.

  5. Sélectionnez un espace. Il peut s'agir de votre espace personnel ou d'un espace partagé si vous souhaitez que d'autres utilisateurs puissent accéder à ces données.

  6. Cliquez sur Charger.

Maintenant que vos ensembles de données sont chargés, vous pouvez commencer à créer une expérimentation.

Leçons dans ce didacticiel

Les rubriques de ce didacticiel sont conçues pour être terminées en séquence. Cependant, vous pouvez vous arrêter et reprendre à tout moment.

Documentation et ressources supplémentaires

Votre opinion compte

Nous apprécions tout commentaire de votre part. N'hésitez pas à utiliser la section ci-dessous pour nous faire part de vos commentaires.

Cette page vous a-t-elle aidé ?

Si vous rencontrez des problèmes sur cette page ou dans son contenu – une faute de frappe, une étape manquante ou une erreur technique – dites-nous comment nous améliorer !