予測における日付特徴量の取り扱い

バッチ予測の要件

トレーニング データセットを使用してモデルを作成すると、自動設計の日付特徴量が生成されます。モデルは、新しいデータ (バッチ予測では適用データセット) で予測を作成するために ML 展開として展開され、使用されます。

予測を作成するために自動設計の日付特徴量でトレーニングされたモデルを展開する場合、生成中の予測にある適用データには自動設計の日付特徴量を含める必要はありません。Qlik Predict は、予測開始前に適用データ向けの自動設計特徴量を生成します。ただし、適用データセットには親日付特徴量 (日付の構成要素が抽出された元の列) が含まれている必要があり、列のデータ タイプは日付、日時、タイムスタンプ、または時刻である必要があります。

SHAP と適用データを含む ML 展開によって作成された予測データセットには、自動設計の日付特徴量が含まれます。

リアルタイム予測およびコネクタ ベース予測の要件

リアルタイム予測および Qlik Predict 分析コネクタからの予測を実行する場合、Qlik Predict に提供する適用データの日付特徴量には要件があります。これらの種類の予測では、適用データは適用データセットとしてではなく、小さな JSON ペイロードで指定されます。リアルタイム予測およびコネクタ ベース予測の両方で、JSON ペイロードは Machine Learning API のリアルタイム予測エンドポイントに送信されます。

Machine Learning API のリアルタイム予測エンドポイントが日付とタイムスタンプの項目を処理できるようにするには、エンドポイントに送信する JSON ペイロードが以下の要件に準拠している必要があります。

• 日付と日時の値は、ISO 8601 規格に準拠した書式の文字列である必要があります。例:

  • 2020-01-14

  • 2020-01-14T00:00:00.000Z

• 親日付 (日付部分の派生元となった特徴量) は、その全体を含める必要があります。たとえば、モデルでは Year (年) の特徴量のみを使用している場合でも、日付は ISO 8601 準拠の形式で指定する必要があります。

• 各列内のデータは同じタイム ゾーンである必要があります。

上記の要件は次のように適用されます。

• 日付特徴量エンジニアリングでトレーニングされた特徴量にのみ適用されます。特徴量タイプが手動でカテゴリ特徴量タイプに変更された場合、これらの要件は適用されません。特徴量タイプがカテゴリに変更されている場合は、適用データにおいて、トレーニング時に使用された元の日付形式で列を提供してください。

• 時系列モデルには適用されません。