Didacticiel – Génération et visualisation des données de prédiction
Ce didacticiel vous montre comment utiliser Qlik AutoML pour former et déployer un modèle d'apprentissage automatique afin d'effectuer des prédictions. Il vous montre également comment visualiser les données de prédiction dans une application Qlik Sense.
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 automatique, nous allons commencer par traiter un jeu 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.
Dans ce didacticiel, vous allez commencer par créer une expérimentation. À partir de là, vous allez effectuer l'apprentissage de modèles et déployer l'un d'entre eux dans un déploiement ML. Ce déploiement ML sera utilisé pour créer des prédictions, qui peuvent être visualisées 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 automatique et vous saurez utiliser vos données de prédiction pour générer des visualisations Qlik Sense captivantes dans Qlik Cloud Analytics.
Ce didacticiel vous montre comme itérer manuellement vos modèles en identifiant les problèmes courants de votre jeu de données et des résultats d'apprentissage. Par défaut, Qlik AutoML effectue l'apprentissage de vos modèles avec l'optimisation de modèle intelligente. Avec l'optimisation intelligente, l'affinement automatique est effectué lors de l'apprentissage. Cela augmente la probabilité que vos modèles soient prêts à être déployés après une seule version avec un minimum d'itérations supplémentaires nécessaires. Pour un exemple montrant comment effectuer l'apprentissage de modèles avec l'optimisation intelligente, consultez Exemple – Apprentissage de modèles avec l'apprentissage automatique automatisé.
À qui s'adresse ce didacticiel ?
Ce didacticiel s'adresse aux utilisateurs à la recherche d'une introduction à l'apprentissage automatique et à la visualisation des données dans Qlik Cloud Analytics. Il peut être utile d'avoir des connaissances de base en apprentissage automatique et sur Qlik Sense, mais cela n'est pas obligatoire.
Pour suivre ce didacticiel, vous devez disposer des éléments suivants :
-
Droit Professional ou Full User
-
Rôles de sécurité Automl Experiment Contributor et Automl Deployment Contributor dans le client Qlik Cloud
-
Autorisations pour approuver des modèles déployés. Vous avez spécifiquement besoin de l'une des autorisations suivantes :
-
Approuver ou rejeter vos modèles AutoML (autorisation d'utilisateur)
-
Approuver ou rejeter les modèles AutoML (autorisation d'administrateur)
-
-
Les rôles d'espace requis dans les espaces dans lesquels vous allez travailler. Consultez : Gestion des autorisations dans les espaces partagés et Gestion des autorisations dans les espaces gérés
Si vous ne parvenez pas à afficher ou à créer des ressources ML, cela signifie probablement que vous ne disposez pas des rôles, droits ou autorisations nécessaires. Pour de plus amples informations, contactez votre administrateur de clients.
Pour plus d'informations, consultez Qui peut utiliser Qlik AutoML.
Ce que vous devez faire avant de commencer
Pour commencer, vous devez télécharger les supports du didacticiel dont le lien se trouve ci-dessous. Choisissez un flux de travail CSV ou QVD. Le téléchargement de l'application préconfigurée est facultatif.
Une fois que vous avez téléchargé les supports de votre choix, décompressez-les sur votre bureau.
-
AutoMLTutorialDatasetsCSV: Contains tutorial data in CSV format. This option is easier for getting started quickly.
-
AutoMLTutorialDatasetsQVF : contient les données du didacticiel sous la forme de scripts .qvf qui peuvent être exécutés pour créer des fichiers QVD. Cette option prend un peu plus de temps que l'option CSV, mais elle s'avère utile pour vous montrer comme utiliser des formats de données et des scripts Qlik.
-
AutoMLTutorialPreConfiguredApp : cet élément est facultatif. Il s'agit d'un exemple de copie de l'application Qlik Sense que vous allez créer lors du didacticiel. Cela vous permet d'ignorer les phases d'apprentissage et de déploiement pour profiter d'une expérience pratique plus rapide du développement d'une application prédictive.
Pour plus d'informations, consultez Flux de travail alternatif : Chargement d'une application préconfigurée.
Le jeu 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.
Le jeu de données à appliquer 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.
Option 1 : jeux de données du didacticiel AutoML (CSV)
Procédez comme suit :
Ouvrez le centre d'activités Analyses.
Accédez à la page Créer, sélectionnez Jeu des données, puis Charger un fichier de données.
Faites glisser le fichier AutoML Tutorial - Churn data - training.csv jusqu'à la boîte de dialogue de chargement.
Ensuite, faites glisser le fichier AutoML Tutorial - Churn data - apply.csv jusqu'à la boîte de dialogue de chargement.
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.
Cliquez sur Charger.
Maintenant que vos jeux de données sont chargés, vous pouvez commencer à créer une expérimentation.
Option 2 : jeux de données du didacticiel AutoML (QVD)
Procédez comme suit :
Ouvrez le centre d'activités Analyses.
Accédez à la page Créer, sélectionnez Charger, puis Script.
Faites glisser ces fichiers jusqu'à la boîte de dialogue de chargement :
AutoML Tutorial - Churn data - training.qvf
AutoML Tutorial - Churn data - apply.qvf
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.
Cliquez sur Charger.
Pour chaque script chargé, procédez comme suit :
Ouvrez le script et accédez à l'onglet Éditeur.
Dans Éditeur, cliquez sur Exporter les données.
Le jeu de données QVD est créé dans le même espace que celui dans lequel vous avez chargé le script.
Maintenant que vos jeux de données sont créés, 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
- Qlik tient à votre disposition un large éventail de ressources d'information.
- Une aide en ligne Qlik est disponible.
- Des formations, notamment des cours en ligne gratuits, sont disponibles dans Qlik Continuous Classroom.
- Vous trouverez des forums de discussion, des blogs et bien plus encore dans Qlik Community.
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.