Utilizzo delle previsioni ML
Una volta distribuito il modello di machine learning, è possibile utilizzarlo per creare previsioni. Queste previsioni possono essere utilizzate per prendere decisioni più efficienti e informate sulla base dei dati.
È possibile creare e modificare distribuzioni ML e generare previsioni in spazi personali o condivisi. È possibile inoltre pubblicare le distribuzioni ML negli spazi gestiti e generare previsioni. L'accesso alle distribuzioni ML è controllato attraverso lo spazio. Per ulteriori informazioni sugli spazi, vedere Uso degli spazi.
Le distribuzioni di ML possono essere create negli spazi personali, condivisi e gestiti. I dati di previsione generati da una distribuzione di ML possono essere salvati in uno spazio personale, condiviso o gestito.
Flusso di lavoro
I passaggi seguenti sono un esempio di come lavorare con le distribuzioni e le previsioni di ML.
- Distribuire il modello
Distribuire il modello che si desidera usare per effettuare previsioni.
- Ottenere l'approvazione del modello
Prima di poter iniziare a generare previsioni con la distribuzione di ML, è necessario attivare il modello di origine per effettuare previsioni. L'approvazione del modello può essere effettuata da utenti e amministratori con autorizzazioni specifiche.
- Effettuare previsioni
È possibile effettuare previsioni manuali o pianificate su set di dati o utilizzare gli endpoint per le previsioni in tempo reale nell'API di machine learning.
- Visualizzare le informazioni strategiche predittive
Caricare i dati di previsione generati in un'app e creare visualizzazioni.
- Esplorare i dati con scenari di tipo "what-if".
Integrare l'API di previsione in un'app per ottenere previsioni in tempo reale. Questo permette di provare scenari "what-if" cambiando i valori delle funzioni e ottenendo i risultati previsti per i nuovi valori. Il record viene inoltrato alla distribuzione ML tramite API e riceve una risposta in tempo reale. Ad esempio, cosa accadrebbe al rischio di abbandono dei clienti se cambiassimo il tipo di piano o aumentassimo la tariffa base?
- Azioni da intraprendere
Analizzare le informazioni strategiche e gli scenari per scoprire quali azioni intraprendere. Qlik Application Automation aiuta ad automatizzare le azioni e fornisce modelli specifici per i casi d'uso del machine learning. Per ulteriori informazioni sulle automazioni, vedere Qlik Application Automation. (solo in lingua inglese)
- Sostituire i modelli quando è necessario
Nel corso del tempo, i dati di input potrebbero cambiare nella distribuzione e nelle funzionalità. Se il problema di machine learning originale rimane lo stesso, è possibile scambiare i nuovi modelli nella distribuzione di ML esistente per consentire un miglioramento continuo delle previsioni con un'interruzione minima. Se è necessario ridefinire il problema di machine learning originale, è possibile creare un nuovo esperimento.
Requisiti e autorizzazioni
Per informazioni sui requisiti delle autorizzazioni utente per l'utilizzo delle distribuzioni di ML e delle previsioni, vedere Controlli di accesso per le distribuzioni e le previsioni di ML.