Realtime voorspellingen maken

Gebruik uw ML-implementatie om toekomstige uitkomsten voor nieuwe gegevens te voorspellen. U maakt realtime voorspellingen met behulp van het eindpunt voor realtime voorspellingen in de Machine Learning API.

Voorspellingen kunnen in realtime worden gemaakt, zoals realtime beslissingen over kortingen voor klanten bij de kassa. Wanneer voorspellingen worden gegenereerd, kunt u de voorspellende inzichten in een Qlik Sense-app laden. Hiermee kunt u de gegevens visualiseren en er interactie mee hebben. Daarnaast kunt u er wat-als-scenario's mee maken.

De API voor realtime voorspellingen is afgeschaft en vervangen door het eindpunt voor realtime voorspellingen in de Machine Learning API. De functionaliteit zelf wordt niet afgeschaft. Gebruik voor toekomstige realtime voorspellingen het eindpunt voor realtime voorspellingen in de Machine Learning API. Voor hulp bij het migreren van de API voor realtime voorspellingen naar de Machine Learning API, raadpleeg de migratiehandleiding op de Qlik Cloud ontwikkelaarsportal.

Realtime voorspellingen maken met de API

Het deelvenster Realtime voorspellingen in de interface van de ML‑implementatie biedt toegang tot het eindpunt voor realtime voorspellingen in de Machine Learning API. Dit venster is zichtbaar als het standaardmodel in de implementatie actief is en u de vereiste machtigingen voor realtime voorspellingen hebt.

Het eindpunt voor realtime voorspellingen is een tweerichtingscommunicatie tussen Qlik Predict en andere functies in Qlik Cloud, waaronder Qlik Sense en automatiseringen, maar ook externe toepassingen. U kunt het eindpunt gebruiken om programmatisch voorspellingen te doen door gegevens door te geven aan een model en de voorspellingsresultaten in realtime op te halen.

Doe het volgende:

Open het deelvenster Realtime voorspellingen in een ML-implementatie.
Gebruik de kopieerknoppen om de toepasselijke URL of JSON naar uw klembord te kopiëren (zie Werken met modelaliassen in realtime voorspellingen voor informatie over het selecteren van de te gebruiken alias).
Integreer aanroepen naar de Machine Learning API in uw eigen applicaties, of roep de API handmatig aan met het door u gewenste hulpmiddel.

Voor realtime eindpuntspecificaties voor de Machine Learning API, raadpleegt u Voorspellingen genereren in een synchrone aanvraag/respons.

Voor meer algemene informatie over de Machine Learning API, raadpleegt u Machine Learning API.

Vereisten voor realtime voorspellingen

Er is een API-sleutel vereist om het eindpunt voor realtime voorspellingen te gebruiken. Gebruikers moeten de machtiging API-sleutels beheren in de tenant hebben om een API-sleutel te kunnen genereren. Zie: API‑sleutels genereren en beheren.
Het bronmodel dat u gebruikt voor de ML-implementaties moet zijn geactiveerd om voorspellingen te kunnen doen. Ga voor meer informatie naar:
- Geïmplementeerde modellen goedkeuren
- Werken met modelgoedkeuring als beheerder
U hebt de juiste machtigingen nodig voor het werken met ML-implementaties en voorspellingen.Ga voor meer informatie naar Vereisten en machtigingen.

Werken met modelaliassen in realtime voorspellingen

U kunt meerdere modellen aan een ML-implementatie toevoegen. In ML‑implementaties wordt een systeem van aliassen gebruikt om modellen dynamisch te verwisselen voor gebruik in voorspellingen. Ga voor meer informatie naar Meerdere modellen in uw ML‑implementatie gebruiken.

Wanneer u uw URL of JSON kopieert, zijn de volgende opties beschikbaar:

Standaardvoorspelling: gebruik deze optie om voorspellingen te genereren van de standaardalias in de ML-implementatie.
Aliasvoorspelling: gebruik deze optie als u voorspellingen wilt genereren van extra aliassen die u aan de ML-implementatie hebt toegevoegd. Selecteer een alias via het vervolgkeuzemenu en kopieer vervolgens de URL of JSON.

Details van gegevensdrift en voorspellingsgebeurtenissen bekijken

Nadat u een realtime voorspelling hebt uitgevoerd, opent u de ML-implementatie en verkent u de deelvensters Bewerkingscontrole en Gegevensdrift monitoren. In deze weergaven kunt u het volgende evalueren:

Het niveau van gegevensdrift voor elke functie in de voorspelling. De vergelijking wordt uitgevoerd tussen de gegevens die u naar de Qlik Predict realtime voorspellings-API en de trainingsgegevensverzameling stuurt.
Details over de voorspellingsgebeurtenis, zoals of deze geslaagd of mislukt is, en hoeveel voorspellingen deze heeft gegenereerd.

Ga voor meer informatie naar:

Was deze pagina nuttig?

Als u problemen ervaart op deze pagina of de inhoud onjuist is – een tikfout, een ontbrekende stap of een technische fout – laat het ons weten!

Geef hier uw feedback