Tutorial – Generazione e visualizzazione dei dati di previsione

Questo tutorial mostra come utilizzare Qlik AutoML per addestrare e distribuire un modello di machine learning per generare previsioni. Inoltre, mostra come è possibile visualizzare i dati di previsione in un'app Qlik Sense.

Prenderemo in considerazione lo scenario dell'abbandono del cliente, un classico esempio di problema di classificazione binaria. L'obiettivo è riuscire a prevedere in modo affidabile se un cliente cancellerà la propria sottoscrizione o rimarrà abbonato a un servizio. In questo tipo di problema ci sono solo due risultati: vero o falso (abbandono o non abbandono).

Per affrontare questo problema di machine learning, inizieremo con l'elaborazione di una serie di dati di cui conosciamo già il risultato, quindi applicheremo la modello lazione statistica creata a partire da quei dati a nuovi dati di cui vorremmo prevedere i risultati.

Questo tutorial inizia con la creazione di un esperimento. Quindi, addestrare i modelli e distribuirne uno in una distribuzione di ML. Questa distribuzione di ML verrà utilizzata per creare previsioni, che sarà possibile visualizzare in un'app Qlik Sense.

Cosa si apprenderà

Una volta completato questo tutorial, si comprenderanno le diverse fasi di creazione e configurazione di un esperimento. Si imparerà anche a interpretare i punteggi dei modelli. Infine, si sarà in grado di distribuire un modello di machine learning e capire come i dati delle proprie previsioni possono essere utilizzati per generare visualizzazioni Qlik Sense accattivanti in Qlik Cloud Analytics.

Questo tutorial mostra come ripetere manualmente i modelli identificando i problemi comuni nel set di dati e i risultati dell'addestramento. Per impostazione predefinita, Qlik AutoML addestra i modelli con l'ottimizzazione intelligente del modello. Con l'ottimizzazione intelligente, l'affinamento automatico viene eseguito durante l'addestramento. Ciò aumenta la possibilità che i modelli siano pronti per la distribuzione dopo una sola versione con ulteriori iterazioni minime richieste. Per un esempio su come addestrare i modelli con l'ottimizzazione intelligente, vedere Esempio: addestramento di modelli con machine learning automatizzato.

Chi dovrebbe completare questo tutorial

Questo tutorial è stato ideato per gli utenti che desiderano un'introduzione al machine learning automatizzato e alla visualizzazione dei dati in Qlik Cloud Analytics. Per completarlo, può essere utile disporre di alcune conoscenze di base di machine learning e Qlik Sense, ma non sono richieste.

Per completare il tutorial, è necessario disporre dei seguenti ruoli:

• Diritto Full User o Professional

• I ruoli di sicurezza Automl Experiment Contributor e Automl Deployment Contributor nel tenant Qlik Cloud

• Autorizzazioni per l'approvazione di modelli distribuiti. In particolare, è necessario disporre dei seguenti ruoli:

  • Approva o rifiuta modelli AutoML (autorizzazione utente)

  • Approva o rifiuta modelli AutoML (autorizzazione amministratore)

• I ruoli richiesti per gli spazi utilizzati. Vedere: Gestione delle autorizzazioni negli spazi condivisi e Gestione delle autorizzazioni negli spazi gestiti

Se non è possibile visualizzare o creare risorse di ML, probabilmente non si dispone dei ruoli, diritti o autorizzazioni richiesti. Per ulteriori informazioni, contattare l'amministratore del tenant.

Per ulteriori informazioni, vedere Utenti che possono utilizzare Qlik AutoML.

Cosa bisogna fare prima di iniziare

Per prima cosa, è necessario scaricare i materiali del tutorial collegati riportati di seguito. Scegliere tra i flussi di lavoro CSV e QVD. Facoltativamente, è possibile scaricare l'app pre-configurata.

Quando si scaricano i materiali desiderati, decomprimerli sul desktop.

• AutoMLTutorialDatasetsCSV: Contains tutorial data in CSV format. This option is easier for getting started quickly.

• AutoMLTutorialDatasetsQVF: contiene i dati del tutorial data nel formato di script .qvf che è possibile eseguire per creare file QVD. Questa opzione richiede un po' più di tempo rispetto al file CSV, ma è utile per introdurre all'utilizzo di formati dati e script di Qlik.

• AutoMLTutorialPreConfiguredApp: questo elemento è facoltativo. È una copia di esempio dell'app Qlik Sense che verrà creata durante il tutorial. Consente di saltare le fasi di addestramento e distribuzione per un'esperienza pratica più rapida con lo sviluppo di app predittive.

  Per ulteriori informazioni, vedere Flusso di lavoro alternativo: caricamento di app pre-configurate.

Il training set contiene informazioni sui clienti la cui scadenza per il rinnovo è trascorsa e che hanno deciso di annullare o di mantenere la sottoscrizione.

Il set di dati di applicazione contiene i dettagli di un nuovo gruppo di clienti la cui data di rinnovo non è ancora trascorsa. Non è ancora stato stabilito se questi clienti cancelleranno o meno la loro sottoscrizione. L'obiettivo, con questo tutorial, è prevedere cosa farà questo gruppo di clienti, con la speranza di poter diminuire le probabilità di abbandono.

Opzione 1: set di dati del tutorial AutoML (CSV)

Procedere come indicato di seguito:

1. Apertura del centro attività Analisi

2. Andare alla pagina Crea, selezionare Set di dati, quindi selezionare Carica file di dati.

3. Trascinare il file AutoML Tutorial - Churn data - training.csv nella finestra di dialogo di upload.

4. Quindi, trascinare il file AutoML Tutorial - Churn data - apply.csv nella finestra di dialogo di upload.

5. Selezionare uno spazio. Può essere uno spazio personale o uno spazio condiviso se si desidera che altri utenti possano accedere a questi dati.

6. Fare clic su Carica.

Ora che i set di dati sono stati caricati, si può procedere alla creazione di un esperimento.

Opzione 2: set di dati del tutorial AutoML (QVD)

Procedere come indicato di seguito:

1. Aprire il centro attività Analisi.

2. Andare alla pagina Crea, selezionare Carica, quindi selezionare Script.

3. Trascinare questi file nella finestra di dialogo:

   • AutoML Tutorial - Churn data - training.qvf

   • AutoML Tutorial - Churn data - apply.qvf

4. Selezionare uno spazio. Può essere uno spazio personale o uno spazio condiviso se si desidera che altri utenti possano accedere a questi dati.

5. Fare clic su Carica.

6. Per ogni script, fare quanto segue:

   1. Aprire lo script e passare alla scheda Editor.

   2. In Editor, fare clic su Esporta dati.

   Il set di dati QVD viene creato nello stesso spazio in cui è stato caricato lo script.

Ora che i set di dati sono stati creati, è possibile procedere alla creazione di un esperimento.

Lezioni in questo tutorial

Gli argomenti in questo tutorial sono stati progettati per essere completati in sequenza. Tuttavia, è possibile uscire e tornare in qualsiasi momento.

Ulteriori letture e risorse

• Per chi desidera approfondire le proprie conoscenze, Qlik offre una vasta gamma di risorse.
• È disponibile la guida di Qlik online.
• Il materiale formativo, compresi corsi online gratuiti, è disponibile in Qlik Continuous Classroom.
• In Qlik Community è possibile trovare forum di discussione, blog e altro ancora.

La vostra opinione è importante

Apprezziamo il feedback dei nostri clienti. Utilizzate la sezione sottostante per inviarci le vostre impressioni.