Ontwikkeling van datumkenmerken
Qlik Predict genereert automatisch ontwikkelde functies vanuit daarvoor geschikte kolommen met het datumfunctietype, die zijn geïdentificeerd als kolommen met datum- en tijdinformatie. Automatisch ontwikkelde functies en de bovenliggende functies waarvan ze zijn afgeleid, worden gemarkeerd met een 
-pictogram.
Wanneer Qlik Cloud Analyse de trainingsgegevensverzameling profileert die u hebt geselecteerd voor gebruik in Qlik Predict, worden bepaalde gegevenstypen gekoppeld aan het datumfunctietype. Dit geldt tevens voor de volgende gegevenstypen:
-
Datum
-
Datum/tijd
-
Tijd
-
Tijdstempel
functies die aan een van deze gegevenstypen zijn toegewezen tijdens de profilering, krijgen dit gegevensfunctietype. Voor informatie over de beschikbare profielstatistieken die voor uw gegevensvelden kunnen worden bekeken, raadpleegt u Lijstweergave.
Waar mogelijk geeft Qlik Predict een lijst met automatisch ontwikkelde functies weer die kunnen worden gemaakt vanuit geschikte bovenliggende functies die het datumfunctietype hebben. Automatisch ontwikkelde datumkenmerken zijn standaard onderdeel van het experiment. Als u ervoor kiest ze te gebruiken, worden de nieuwe functies na v1 van het experiment gegenereerd.
Automatisch ontwikkelde datumfuncties zijn van het numerieke functietype. Ze zijn standaard opgenomen in het experiment, maar zijn optioneel. U kunt er een paar of u kunt ze allemaal verwijderen voordat u begint met de experimenttraining of wanneer u de volgende experimentversie configureert. Wanneer de automatisch ontwikkelde datumkenmerken worden opgenomen, wordt het oorspronkelijke, bovenliggende datumkenmerk verwijderd uit het experiment.
In plaats daarvan kunt u de bovenliggende datumfunctie opnemen als een categorische of numerieke functie. Als u dit doet, zijn de automatisch ontworpen datumfuncties niet langer bruikbaar. In de meeste gevallen wordt aanbevolen om beschikbare, automatisch ontwikkelde functies in uw experiment te gebruiken, omdat uw machine learning-modellen daar beter mee presteren. Er kunnen zich echter scenario's voordoen waarbij een kolom wordt geïdentificeerd als een datumfunctie, maar u wilt dat deze als categorisch of numeriek wordt behandeld. In deze gevallen kunt u het functietype handmatig wijzigen.
Automatisch ontwikkelde datumfuncties worden niet meegerekend in de grootte van de Qlik Predict-gegevensverzameling (maximumaantal cellen in de trainingsgegevensverzamelingen en toegepaste gegevensverzamelingen) die is gespecificeerd in uw Qlik Cloud-abonnement. Alleen de oorspronkelijke datumkolomcellen worden meegerekend.
Schemaweergave toont automatisch ontwikkelde functies die kunnen worden gegeneerd vanuit een bovenliggend datumfunctie, 'Invoice Date'. Let op het verschil tussen het datumtype en het functietype van elke functie.
Een datumfunctie gebruiken als het doel van het experiment
In het zeldzame geval dat u een functie met datum- en tijdinformatie wilt gebruiken als het doel van uw experiment, wordt het functietype van de kolom overgezet van datum naar categorisch en worden de automatisch ontwikkelde functies verwijderd. Als u nog een doel selecteert en later de datum- en tijdfunctie als normale functie wilt toevoegen, moet u het functietype zo nodig handmatig weer op het datumfunctietype instellen. Als u de functie weer op het datumfunctietype instelt, worden de automatisch ontwikkelde datumfuncties opnieuw gegenereerd.
Voor meer informatie over hoe u functietypen kunt wijzigen, raadpleegt u Kenmerktypen wijzigen.
Beschikbare automatisch ontwikkelde kenmerken
Wanneer er automatisch ontwikkelde datumfuncties worden gegenereerd op basis van een kolom in uw gegevensverzameling, extraheert en berekent Qlik Predict specifieke componenten van elke datum- en datum/tijd-waarde en wordt iedere component in een eigen kolom geïsoleerd. De onderstaande tabel toont de automatisch ontwikkelde functies die door Qlik Predict kunnen worden gegenereerd.
| Automatisch gegenereerd functie | Gegevenstype | Functietype | Beschrijving |
|---|---|---|---|
| YEAR | Geheel getal | Numeriek | Het veld Year wordt rechtstreeks vanuit de brondatum of -tijdstempel geparseerd. |
| MONTH | Geheel getal | Numeriek | Het veld Month wordt rechtstreeks vanuit de brondatum of -tijdstempel geparseerd. |
| DAY | Geheel getal | Numeriek | Het veld Day wordt rechtstreeks vanuit de brondatum of -tijdstempel geparseerd. |
| HOUR | Geheel getal | Numeriek | Het veld Hour wordt rechtstreeks vanuit de brontijdstempel geparseerd. |
| MINUTE | Geheel getal | Numeriek | Het veld Minute wordt rechtstreeks vanuit de brontijdstempel geparseerd. |
| SECOND | Geheel getal | Numeriek | Het veld Second wordt rechtstreeks vanuit de brontijdstempel geparseerd. |
| DAYOFWEEK | Geheel getal | Numeriek | Het veld Day of the week wordt berekend op basis van de brondag, de bronmaand en het bronjaar. |
| WEEK | Geheel getal | Numeriek | Het veld Week of the year wordt berekend op basis van de brondag, de bronmaand en het bronjaar. |
Voor elk nieuwe functie die wordt gemaakt, krijgt de oorspronkelijke kolomnaam een suffix met de van toepassing zijnde, automatisch ontwikkelde functie.
Automatisch ontwikkelde datumkenmerken op het experimentconfiguratievenster
Automatisch ontwikkelde datumfuncties en tijdreeksmodellen
Wanneer u een datumindexkolom selecteert voor een tijdreeksexperiment, wordt het datumfunctietype gebruikt voor deze kolom. Echter, datumfunctie-engineering wordt niet ondersteund voor tijdreeksmodellen. Automatisch geëngineerde datumfuncties zijn niet beschikbaar om afgeleid te worden van de kolom.
Voor meer informatie over tijdreeksmodellen, zie Werken met tijdreeksexperimenten en Werken met multivariate tijdreeksvoorspelling.
Automatisch ontwikkelde datumkenmerken in voorspellingen
Voor informatie over het werken met datumfuncties bij het uitvoeren van voorspellingen, zie Werken met datumfuncties in voorspellingen.
Meer informatie
Automatisch ontwikkelde datumkenmerken in voorspellingen
Automatisch ontwikkelde datumfuncties worden gegenereerd wanneer de trainingsgegevensverzameling wordt gebruikt om een model te maken, dat wordt geïmplementeerd en gebruikt als een ML-implementatie om voorspellingen te doen over nieuwe gegevens (de toegepaste gegevensverzameling).
Wanneer een model dat is getraind op basis van automatisch ontwikkelde datumkenmerken, wordt geïmplementeerd voor het doen van voorspellingen, hoeft de toegepaste gegevensverzameling waarmee u voorspellingen genereert de automatisch ontwikkelde datumkenmerken niet te bevatten. Qlik Predict genereert de automatisch ontwikkelde functies voor de toepasselijke gegevensverzameling voorafgaand aan de voorspelling. Maar de toegepaste gegevensverzameling moet het bovenliggende datumkenmerk bevatten en er moet zijn vastgesteld dat de kolom van het type datum, datum/tijd, tijdstempel of tijd is.
De gegevensverzamelingen voor voorspelling die zijn gemaakt door een ML-implementatie, waaronder SHAP en toegepaste gegevensverzamelingen, omvatten de automatisch ontwikkelde datumfuncties.
Automatisch ontwikkelde datumkenmerken in realtime voorspellingen
Om het eindpunt voor realtime voorspellingen in de Machine Learning API in staat te stellen om uw datum- en tijdstempelvelden te verwerken, moet de JSON-nettolading die u naar het eindpunt stuurt aan de volgende vereisten voldoen:
-
Datum- en datum/tijd-waarden moeten tekenreeksen zijn die zijn opgemaakt overeenkomstig ISO 8601-standaarden. Voorbeelden:
-
2020-01-14
-
2020-01-14T00:00:00.000Z
-
-
De bovenliggende datum—de functie waaruit de datumdelen zijn afgeleid—moet volledig worden opgenomen. Bijvoorbeeld, uw model gebruikt misschien alleen een Jaar functie, maar u moet de datum nog steeds opgeven in ISO 8601-compatibel formaat.
-
Datums in iedere kolom moeten dezelfde tijdzone hebben.
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.