ML 展開の作業
モデルのトレーニングと改良が完了したら、モデルを展開して予測できます。
ML 展開は、個人スペース、共有スペース、管理スペースで作成できます。
ワークフロー
次のステップは、ML 展開と予測を実行する方法の例です。
- モデルを展開する
予測に使用するモデルを展開します。
- モデルの承認を得る
ML 展開で予測の生成を開始する前に、ソース モデルをアクティブ化する必要があります。特定の権限を持つユーザーと管理者が、モデルの承認を実行できます。
- 予測する
データセットに対して手動またはスケジュールされた予測を実行するか、Machine Learning API のリアルタイム予測エンドポイントを使用します。
- 予測インサイトを視覚化する
生成された予測データをアプリにロードし、視覚化を作成します。
- 仮定のシナリオでデータを調査する
予測 API をアプリに統合して、リアルタイムの予測を取得します。そうすることで、特徴量の値を変更して仮定のシナリオを試し、新しい値に対する予測結果を取得できます。レコードは API を介して ML 展開に渡され、応答がリアルタイムで受信されます。例えば、プランの種類を変更したり、基本料金を引き上げたりすると、顧客チャーンのリスクはどうなるでしょうか。
- アクションを実行する
予測インサイトとシナリオを分析して、実行するアクションを見出します。Qlik Automate は、アクションの自動化を支援し、機械学習のユース ケース用の特定のテンプレートを提供します。自動化の詳細については、「Qlik Automate (英語のみ)」を参照してください。
- 必要に応じてモデルを置き換える
時間の経過とともに、入力データの分布や特徴量が変化する可能性があります。元の機械学習の問題が同じである場合、新しいモデルを既存の ML 展開に置き換えて、中断を最小限に抑えながら予測をシームレスに改善できます。元の機械学習の問題を再定義する必要がある場合は、新しい実験を作成できます。
要件と権限
共有スペースおよび管理されたスペースで展開と予測を操作するために必要なスペースのロールについては、次を参照してください。
管理者の場合は、「Qlik Predict を使用できるユーザー」を参照して、展開および予測を操作するために必要なユーザー権限の概要を確認してください。