時系列モデルの予測の作業
時系列モデルを展開したら、そのモデルを使用して新しいデータの予測を作成できます。時系列予測を作成するには、必要なデータと構造を含む適用データセットを準備します。詳細については、「適用データセットの準備」を参照してください。
予測メカニズム
時系列モデルの予測プロセスには、分類モデルや回帰モデルとは異なる点があります。
分類モデルと回帰モデルは、適用データセット内に存在しない、または不明な列全体の将来の値を予測します。たとえば、Churned 列の将来の値を予測する二項分類モデルがあるとします。適用データセットには通常、Churned 列は含まれません。この列が存在する場合は無視されます。代わりに、この列の値はモデルによって予測として生成されます。
一方、時系列モデルでは、予測は列ではなく行として作成されます。予測はターゲット列に対して引き続き生成されますが、特定の将来の時間値に対応するレコードになります。列の構造は、トレーニング データセットと適用データセット間で変更されません。
また、分類モデルまたは回帰モデルの適用データセットには、予測を生成するターゲット値を含めないでください。一方、時系列モデルの適用データセットには、モデルの適用ウィンドウに対応するいくつかの履歴ターゲット値と特徴量値が含まれている必要があります。これらの要件は、「時系列モデルの予測の作業」で詳しく説明されています。
適用データセットを作成するために使用できるツール
Qlik Cloud では、データセットの構築と動的な生成に役立つ次のツールを使用できます。
-
Qlik スクリプトは、アプリ内の データ ロード エディター で使用できるほか、分析 アクティビティ センターからアクセスできるスタンドアロン スクリプト エディターでも使用できます。
-
テーブル レシピは、分析 アクティビティ センターからスタンドアロン ツールとして使用できます。テーブル レシピは、機械学習で使用されるような単一テーブルのデータセットを作成するために設計されています。
-
データ フローは、分析 アクティビティ センターからスタンドアロン ツールとして使用できます。
-
分析アプリの データ マネージャー。
一般的に必要な操作
特徴量タイプの変更
適用データセットを準備する際に、列の特徴量タイプを変更するために変換が必要になる場合があります。
最も一般的な例として、モデル内でグループとして構成した数値列が存在する場合があります。実験内で特徴量をグループとして選択すると、その特徴量タイプがカテゴリに変更されていない場合は、グループとして処理できるように自動的にカテゴリに変更されます。予測に適用データセットを追加する際、列データにはまだ数値特徴量データが含まれている可能性が高いため、カテゴリ特徴量として識別されるように、列を文字列データに変更する必要があります。この変換は、Qlik スクリプト (text() 関数を使用)、またはテーブル レシピやデータフローなどの他の Qlik データ準備ツールを使用して簡単に実行できます。
Qlik スクリプトの使用例については、「データセットの準備」を参照してください。
制限事項
-
データ ドリフトの監視は、時系列モデルでは使用できません。
-
時系列モデルによる予測中は、SHAP データセットを生成できません。
-
Qlik Predict 分析コネクタは時系列モデルをサポートしていません。
時系列実験に関する制限については、「 制限と考慮事項」を参照してください。