Machine learning met Qlik Predict
Geautomatiseerde machine learning vindt patronen in uw gegevens en gebruikt deze om voorspellingen voor toekomstige gegevens te maken. Machine learning-experimenten in Qlik Cloud Analyse laten u samenwerken met andere gebruikers en uw voorspellende analyses integreren in Qlik Sense applicaties. Naast het maken van voorspellingen, kunt u een diepgaande analyse uitvoeren van de belangrijkste kenmerken die van invloed zijn op het voorspelde resultaat.
Laad historische gegevens vanuit de catalogus, start het geautomatiseerde machine learning-proces en kies vervolgens het machine learning-model dat het best past bij uw gebruiksscenario. Implementeer de modellen om voorspellingen te maken over het resultaat van zakelijke problemen. Verken de variabelen die van invloed zijn op het voorspelde resultaat en krijg een grondig inzicht in uw gegevens.
Als alternatief kunnen ontwikkelaars Qlik Predict-mogelijkheden integreren in hun eigen workflows met behulp van de Machine Learning API. Voor een zelfstudie om u op weg te helpen, raadpleegt u Zelfstudie geautomatiseerde machine learning.
Qlik Cloud Government ondersteunt het gebruik van Qlik Predict niet.
Aan de slag met machine learning
Meer informatie over machine learning
Meer informatie over de basisconcepten achter machine learning en waarom u het zou willen gebruiken.
Machine learning-vragen definiëren
Meer informatie over hoe u uw machine learning-vraag definieert en het gestructureerde kader volgt.
Een trainingsgegevensverzameling voorbereiden
Meer informatie over hoe u uw gegevensverzameling voorbereidt voor gebruik bij het trainen van machine learning-modellen.
Werken met experimenten
Werken met ML-experimenten
Krijg een overzicht van het geautomatiseerde machine learning-proces en maak experimenten.
Werken met tijdreeksexperimenten
Meer informatie over hoe u modellen traint om tijdsspecifieke prognoses uit te voeren.
Modelprestaties interpreteren
Leer over de modelstatistieken die beschikbaar zijn voor het scoren van voorspellende modellen.
Modellen verfijnen
Hoe kunt u uw voorspellende model verbeteren? Lees hier meer informatie.
Werken met ML‑implementaties
Modellen implementeren
Wanneer u een model hebt geproduceerd dat klaar is voor voorspellingen met nieuwe gegevens, implementeert u het in een ML-implementatie.
Werken met ML-implementaties
Leer meer over het implementeren van modellen, het beheren van ML-implementaties en het activeren van geïmplementeerde modellen voor voorspellingen.
Werken met voorspellingen
Werken met voorspellingen
Leer hoe u uw ML‑implementatie gebruikt om voorspellingen te maken met behulp van de interface of de API.
Batchvoorspellingen maken
Gebruik de interface van de ML-implementatie om gegevensverzamelingen met voorspellende gegevens te genereren.
SHAP-gegevensverzamelingen genereren tijdens voorspellingen
Begrijp hoe u SHAP-waarden kunt gebruiken om de belangrijkste factoren achter uw gegevens te begrijpen terwijl u voorspellingen doet.
Realtime voorspellingen maken
Meer informatie over het openen en gebruiken van de Machine Learning API voor het genereren van realtime voorspellingen voor één of een handvol rijen gegevens.
Voorspellen met de Qlik Predict-analyseconnector
Gebruik de Qlik Predict-analyseconnector om te communiceren met uw implementatie en voorspellingen rechtstreeks te doen in applicaties en scripts.
Praktische zelfstudies en handleidingen
Zelfstudie – Voorspellingsgegevens genereren en visualiseren
In deze zelfstudie wordt getoond hoe u een experiment maakt en traint, een model implementeert en voorspellingen genereert, en de voorspellingsgegevens visualiseert in een Qlik Sense applicatie.
Zelfstudie — verkoop voorspellen met multivariate tijdreeksprognose
Deze zelfstudie leidt u door het proces van het trainen, implementeren en voorspellen met modellen die tijdspecifieke prognoses kunnen uitvoeren.
Qlik Predict video's
Bekijk onze korte video's om aan de slag te gaan met machine learning.