ML 예측 작업

기계 학습 모델을 배포한 후에는 모델을 사용하여 예측을 만들 수 있습니다. 이러한 예측을 사용하여 데이터를 기반으로 보다 효율적이고 정보에 입각한 결정을 내릴 수 있습니다.

ML 배포를 만들기 및 편집하고 개인 또는 공유 공간에서 예측을 만들 수 있습니다. 관리 공간에 ML 배포를 게시하고 예측을 생성할 수도 있습니다. ML 배포에 대한 액세스는 공간을 통해 제어됩니다. 공간에 대한 자세한 내용은 공간에서 작업을 참조하십시오.

ML 배포는 개인, 공유 및 관리 공간에서 만들어질 수 있습니다. ML 배포에서 생성된 예측 데이터는 개인, 공유 또는 관리 공간에 저장할 수 있습니다.

워크플로

다음 단계는 ML 배포 및 예측 작업 방법의 예입니다.

1. 모델 배포

   예측에 사용할 모델을 배포합니다.

   모델 배포

2. 모델 승인 얻기

   ML 배포를 통해 예측을 수행하려면 먼저 소스 모델을 활성화하여 예측을 수행해야 합니다. 모델 승인은 특정 권한이 있는 사용자와 관리자가 수행할 수 있습니다.

   배포된 모델 승인

3. 예측 만들기

   데이터 집합에 대해 수동 예측 또는 예약된 예측을 수행하거나 기계 학습 API에서 실시간 예측 종료 지점을 사용합니다.

   데이터 집합에 대한 예측 만들기

   기계 학습 API

4. 예측 통찰력 시각화

   만들어진 예측 데이터를 앱에 로드하고 시각화를 만듭니다.

   Qlik Sense 앱에서 SHAP 값 시각화

5. 가상 시나리오로 데이터 탐색

   예측 API를 앱에 통합하여 실시간 예측을 가져옵니다. 이를 통해 기능 값을 변경하고 새 값에 대한 예측 결과를 얻어 가상 시나리오를 시도할 수 있습니다. 레코드는 API를 통해 ML 배포에 전달되고 응답은 실시간으로 수신됩니다. 예를 들어, 계획 유형을 변경하거나 기본 요금을 인상하면 고객 이탈 위험은 어떻게 됩니까?

6. 작업 수행

   예측 통찰력과 시나리오를 분석하여 어떤 작업을 수행해야 하는지 알아냅니다. Qlik Automate를 사용하면 작업을 자동화하고 기계 학습 사용 사례를 위한 특정 템플릿을 제공할 수 있습니다. 자동화에 대한 자세한 내용은 Qlik Automate (영어로만 제공)을 참조하십시오.

7. 필요한 경우 모델을 바꿉니다

   시간이 지남에 따라 입력 데이터의 분포와 기능이 변경될 수 있습니다. 원래 기계 학습 문제가 동일하다면 기존 ML 배포에 새 모델을 넣어서 최소한의 중단으로 예측을 원활하게 개선할 수 있습니다. 원래의 기계 학습 문제를 다시 정의해야 하는 경우 새 실험을 만들 수 있습니다.

   ML 배포에서 여러 모델 사용

요구 사항 및 권한