Vai al contenuto principale Passa a contenuto complementare

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".

Nota informatica

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.

L'endpoint di per le previsioni in tempo reale è una comunicazione bidirezionale tra AutoML e altre funzioni in Qlik Cloud, tra cui Qlik Sense e Automazioni, nonché applicazioni esterne. È possibile utilizzare l'endpoint per fare previsioni in modo programmatico passando i dati a un modello e recuperare i risultati della previsione in tempo reale.

Requisiti

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 e passare al pannello Monitoraggio deriva dei dati. In questa vista 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 Monitoraggio delle prestazioni e dell'utilizzo dei modelli distribuiti.

Ulteriori informazioni

Hai trovato utile questa pagina?

Se riscontri problemi con questa pagina o con il suo contenuto – un errore di battitura, un passaggio mancante o un errore tecnico – facci sapere come possiamo migliorare!