Introduzione al machine learning automatico

Automatizza il machine learning per il tuo team di analisi con Qlik AutoML. Grazie alla semplice interfaccia senza codice, è possibile creare facilmente esperimenti di machine learning per generare modelli ed effettuare previsioni.

Cos'è il machine learning

Il machine learning è una branca dell'intelligenza artificiale e della scienza dei dati che si concentra sul riconoscimento di modelli nei dati cronologici per prevedere i risultati futuri. Gli algoritmi vengono addestrati sui dati per costruire un modello di previsione senza essere esplicitamente programmati per farlo. Un modello di machine learning può aiutare a rispondere a domande come:

• Un cliente di una palestra cancellerà il proprio abbonamento?

• Qual è il valore di durata attesa per un determinato cliente?

Per saperne di più sui concetti di base, consultare Comprendere il machine learning. Si imparerà anche a conoscere il framework strutturato per la definizione delle domande di machine learning e la preparazione dei set di dati.

Cosa si può fare con il machine learning automatizzato

Crea esperimenti di machine learning automatizzato in Qlik Sense. Nel centro attività Analisi è possibile collaborare all'esperimento con altri utenti e caricare facilmente i dati dal Catalogo per addestrare il modello.

Integrare l'analisi previsionale con le app Qlik Sense per condividere i risultati. Esplorare ulteriormente con visualizzazioni e scenari interattivi "what-if" per capire come la modifica di diversi parametri possa influire sul risultato desiderato.

È possibile fare previsioni per i set di dati archiviati nel Catalogo o fare previsioni operative in tempo reale utilizzando le API Qlik Sense.

Come funzionano gli esperimenti

Un esperimento addestra gli algoritmi di machine learning su un particolare set di dati con una particolare destinazione. Il training genera modelli di machine learning che possono essere utilizzati per fare previsioni.

La maggior parte del processo è automatizzata nel machine learning. Quando si crea un esperimento e si carica un set di dati, questo viene analizzato automaticamente e i dati vengono pre-elaborati per renderli pronti per il machine learning. Le statistiche e le altre informazioni relative a ciascuna colonna vengono visualizzate per aiutare l'utente a selezionare una destinazione. Quando si avvia il training, diversi algoritmi iniziano a cercare modelli nei dati. Per ulteriori informazioni sulla creazione e sul training degli esperimenti, vedere Utilizzo degli esperimenti.

Al termine del training, i punteggi e le classifiche consentono di valutare i modelli di machine learning generati. Modificando i parametri e ripetendo il training, è possibile generare diverse versioni. Scegliere il modello più performante per il proprio set di dati e distribuirlo per iniziare a effettuare previsioni. Per ulteriori informazioni, vedere Utilizzo delle distribuzioni di ML.

Come mostra l'immagine seguente, un esperimento può avere più versioni, ciascuna delle quali utilizza uno o più algoritmi. Il modello con l'algoritmo più performante può essere distribuito per effettuare previsioni. Ciò significa che un esperimento può portare a diverse distribuzioni di ML.

Limiti AutoML

AutoML è una funzionalità aggiuntiva a pagamento. Alcune funzionalità limitate sono incluse nelle sottoscrizioni applicabili. Le funzionalità e le capacità specifiche dipendono dal livello di sottoscrizione.

• Qlik AutoML ha un limite di frequenza API di 300 richieste al minuto.

• Numero massimo di colonne nel set di dati: 500

  Questo vale per i set di dati utilizzati per gli esperimenti di training e per la generazione delle previsioni. Il limite è il numero di colonne utilizzate come funzioni in una versione dell'esperimento. Il set di dati può contenere più colonne e i limiti vengono calcolati quando le colonne sono incluse nel set di dati.