예측 데이터 만들기

모델을 배포하고 승인한 후에는 새 데이터에 대한 예측을 만들 수 있습니다. 이 자습서에서는 ML 배포 내에서 예측 구성을 만들고 이를 사용하여 배치 예측을 실행합니다.

지금까지 기존 고객 데이터를 사용하여 기계 학습 모델을 만들었습니다. 이 프로세스의 목표는 기계 학습을 통해 패턴을 인식하고 이를 새로운 데이터에 적용하는 것이었습니다.

교육 데이터에서 SHAP 값만 분석하는 사용 사례도 있습니다. 이 정보는 그 자체로도 매우 가치가 있습니다.

Qlik 프로젝트의 배치 예측에 대한 자세한 내용은 데이터 집합에 대한 예측 만들기를 참조하십시오.

프로세스의 첫 번째 단계는 모델을 적용하여 예측을 생성할 데이터 집합을 선택하는 것입니다. 그런 다음 원하는 출력 속성을 구성하고 파일을 생성합니다.

다음과 같이 하십시오.

1. 카탈로그에서 새로운 ML 배포를 엽니다.

2. 오른쪽 아래 모서리에서 예측 만들기를 클릭합니다.

3. 오른쪽에 있는 예측 구성 창에서 데이터 적용 아래에 있는 적용 데이터 집합 선택을 클릭합니다.

4. 데이터 집합 적용 파일을 선택합니다. CSV 또는 QVD로 작업하는지에 따라 다음 중 하나가 됩니다.

   • ML - Churn data - apply.csv

   • ML - Churn data - apply.qvf

5. 교육의 스키마를 비교하고 데이터 집합을 적용합니다. 교육 중에 기능을 선택 취소했기 때문에 적용 데이터 집합에는 교육 데이터 집합보다 더 많은 필드가 포함됩니다. 이는 걱정할 필요가 없습니다. 예측을 생성할 때 Qlik 프로젝트은 교육 데이터 집합에 존재하지 않는 적용 데이터 집합의 필드를 무시합니다.

6. 예측 구성 창에서 예측 데이터 집합 이름 지정을 클릭합니다. 다음 이름을 입력합니다. ML - Prediction output. 기본 Parquet 포맷을 사용할 예정입니다.

7. 공간을 선택하고 확인을 클릭합니다.

8. 예측 옵션에서 이 예측을 통해 생성하려는 추가 데이터 집합을 구성합니다. 이 경우, 좌표 SHAP만 선택된 옵션인지 확인합니다. AccountID를 인덱스 열로 사용하도록 허용합니다.

   

저장 및 닫기 옆에 있는 아이콘을 클릭합니다. 지금 저장 및 예측을 선택합니다.

프로세스는 데이터 집합 예측에서 모니터링할 수 있습니다. 팝업이 나타나면 열기를 클릭하여 카탈로그에서 출력을 검토할 수 있습니다.

예측 실행이 완료되면 새로운 데이터 집합을 사용하여 앱을 빌드할 수 있습니다. 다음 항목으로 이동합니다.