Creazione di previsioni in tempo reale
Utilizzare la propria distribuzione ML per prevedere i risultati futuri su nuovi dati. È possibile creare previsioni in tempo reale utilizzando l'endpoint per le previsioni in tempo reale nell'API di machine learning.
È possibile effettuare previsioni in tempo reale, come ad esempio le decisioni in tempo reale sugli sconti per i clienti alla cassa. Quando vengono generate le previsioni, è possibile caricare le informazioni strategiche in un'app Qlik Sense. In questo modo è possibile visualizzare e interagire con i dati e creare scenari "what-if".
L'API per le previsioni in tempo reale è stata deprecata e sostituita dall'endpoint per le previsioni in tempo reale dell'API di machine learning. La funzionalità in sé non verrà deprecata. Per le previsioni in tempo reale future, utilizzare l'endpoint per le previsioni in tempo reale nell'API Machine Learning.
Creazione di previsioni in tempo reale con l'API
Il pannello Previsioni in tempo reale nell'interfaccia della distribuzione di ML consente di accedere all'endpoint di previsione in tempo reale nell'API di machine learning. Questo pannello è visibile se il modello predefinito nella distribuzione di ML è attivato per generare previsioni.
L'endpoint per le previsioni in tempo reale è una comunicazione bidirezionale tra AutoML e altre funzionalità in Qlik Cloud, tra cui Qlik Sense e Automazioni, nonché le applicazioni esterne. È possibile utilizzare l'endpoint per generare previsioni in modo programmatico passando i dati a un modello e recuperare i risultati della previsione in tempo reale.
Pannello previsioni in tempo reale
Procedere come indicato di seguito:
-
Aprire il pannello Previsioni in tempo reale in una distribuzione di ML.
-
Utilizzare i pulsanti di copia per copiare l'URL o il JSON applicabili negli appunti (per informazioni relative alla selezione dell'alias da utilizzare, vedere Lavorare con gli alias del modello nelle previsioni in tempo reale).
-
Incorporare le chiamate all'API di machine learning nelle applicazioni, oppure richiamare manualmente l'API utilizzando lo strumento desiderato.
Per le specifiche dell'endpoint in tempo reale per l'API di machine learning, vedere Generare previsioni in una richiesta/risposta sincrona.
Per maggiori informazioni generali sull'API di machine learning, vedere API di machine learning.
Requisiti per le previsioni in tempo reale
-
Per utilizzare l'endpoint per le previsioni in tempo reale è necessaria una chiave API. Per poter generare una chiave API, un utente deve disporre del ruolo di Developer.Vedere Generazione e gestione delle chiavi API..
-
Il modello di origine per la distribuzione di ML che si utilizza deve essere attivato per generare previsioni. Per ulteriori informazioni, vedere:
-
Sono necessarie le autorizzazioni corrette per lavorare con le distribuzioni di ML e le previsioni. Questo include i ruoli di sicurezza e i ruoli per lo spazio. Vedere Utilizzo delle previsioni ML.
Lavorare con gli alias del modello nelle previsioni in tempo reale
È possibile aggiungere più modelli a una distribuzione di ML. Nelle distribuzioni di ML viene utilizzato un sistema di alias per consentire lo scambio dinamico dei modelli da utilizzare nelle previsioni. Per ulteriori informazioni, vedere Utilizzo di modelli multipli nella distribuzione di ML.
Quando si copia un URL o un JSON, sono disponibili le seguenti opzioni:
-
Previsione predefinita: utilizzare questa opzione per generare previsioni dall'alias predefinito nella distribuzione di ML.
-
Previsione alias: utilizzare questa opzione quando si desidera generare previsioni da qualsiasi alias aggiuntivo ha aggiunto alla distribuzione di ML. Selezionare un alias utilizzando il menu a discesa, quindi copiare l'URL o il JSON.
Visualizzazione dei dettagli relativi a deriva dei dati e all'evento di previsione
Dopo aver eseguito una previsione in tempo reale, aprire la distribuzione di ML ed esplorare i pannelli Monitoraggio operazioni e Monitoraggio deriva dei dati. In queste viste è possibile valutare i seguenti elementi:
-
Il livello di deriva dei dati per ogni funzione utilizzata nella previsione. Il confronto viene eseguito tra i dati inviati all'API per la previsione in tempo reale di AutoML e il set di dati di addestramento.
-
Dettagli sull'evento di previsione, come ad esempio se è riuscito o meno e quante previsioni ha generato.
Per ulteriori informazioni, vedere: