Ga naar hoofdinhoud Ga naar aanvullende inhoud

Zelfstudie – Voorspellingsgegevens genereren en visualiseren

In deze zelfstudie leert u hoe u Qlik AutoML gebruikt om een machinelearningmodel te trainen en implementeren om voorspellingen te maken. U leert ook hoe u de voorspellingsgegevens in een Qlik Sense-app kunt visualiseren.

We gaan het hebben over het klantenverloop-scenario, een klassiek voorbeeld van een probleem rond binaire classificering. Het doel is om een betrouwbare voorspelling te krijgen of een klant al dan niet zijn of haar abonnement op een service zal beëindigen. Er zijn slechts twee uitkomsten voor dit type probleem: waar of niet waar (vertrokken of niet vertrokken).

Voor dit machine learning-probleem beginnen we door een reeks gegevens te verwerken waarvoor we de uitkomst al weten. Vervolgens passen we statistische modellen op basis van die gegevens toe op nieuwe gegevens waarvoor we de uitkomsten willen voorspellen.

U begint deze zelfstudie door een experiment te maken. Van daaruit verfijnt u het experiment en past u het toe op een machine learning-model. Dit model wordt gebruikt om voorspellingen te doen die kunnen worden getoond in de vorm van visualisaties in een Qlik Sense-app.

Wat u gaat leren

Na deze zelfstudie weet u welke stappen gepaard gaan met het maken en configureren van een experiment. U leert tevens hoe u modelscores moet interpreteren. Tot slot leert u een machine learning-model te implementeren en hoe uw voorspellingsgegevens kunnen worden gebruikt om aantrekkelijke Qlik Sense-visualiaties te genereren in Qlik Cloud Analyse.

Voor wie is deze zelfstudie?

Deze zelfstudie is bedoeld voor gebruikers die graag willen kennismaken met geautomatiseerde machine learning en gegevensvisualisatie in Qlik Cloud Analyse. Basiskennis over machine learning en Qlik Sense komt van pas, maar is niet vereist.

U hebt het volgende nodig om deze zelfstudie te voltooien:

Als u geen ML‑-bronnen kunt bekijken of maken, dan beschikt u hoogstwaarschijnlijk niet over de vereiste rollen, rechten of machtigingen. Neem contact op met uw tenantbeheerder voor meer informatie.

Ga voor meer informatie naar Wie kan werken met Qlik AutoML.

Wat u eerst moet doen

Download dit pakket en pak het uit op uw bureaublad:

AutoML-zelfstudie

Het pakket bevat:

  • De twee gegevensbestanden die u nodig hebt om deze zelfstudie af te ronden.

  • Een voorbeeldkopie van de Qlik Sense-apps die u gaat bouwen tijdens de zelfstudie. Deze wordt geleverd in het geval u sneller praktijkervaring wilt opdoen met de ontwikkeling van voorspellende apps. Ga voor meer informatie naar Alternatieve werkstroom: Vooraf geconfigureerde app uploaden.

De gegevensverzameling voor de training bevat informatie over klanten voor wie de deadline voor verlenging al is verlopen en die de beslissing hebben gemaakt om al dan niet hun abonnement op de service op te zeggen.

De toe te passen gegevensverzameling bevat informatie over een nieuwe groep klanten voor wie de deadline voor verlenging nog niet is verlopen. Het is nog niet duidelijk of deze klanten hun abonnement zullen opzeggen of niet. Het doel in deze zelfstudie is om te voorspellen wat deze groep klanten zal gaan doen, in de hoop dat we de kans dat ze zullen vertrekken kunnen verkleinen.

  1. Open de Qlik Cloud Analyse-hub.

  2. Klik op Nieuwe toevoegen > Dataset, en selecteer vervolgens Databestand uploaden.

  3. Sleep het bestand Customer churn data - training.csv naar het uploaddialoogvenster.

  4. Sleep hierna het bestand Customer churn data - apply.csv naar het uploaddialoogvenster.

  5. Selecteer een ruimte. Dit kan uw persoonlijke ruimte zijn of een gedeelde ruimte als u wilt dat andere gebruikers toegang hebben tot deze gegevens.

  6. Klik op Uploaden.

Nu dat uw datasets geüpload zijn, kunt u beginnen met het aanmaken van een experiment.

Lessen in deze zelfstudie

De onderwerpen in deze zelfstudie zijn bedoeld om achtereenvolgens door te nemen. U kunt echter op elk gewenst moment stoppen om de zelfstudie later weer te hervatten.

Meer informatie en bronnen

Uw mening is belangrijk

Wij waarderen elke vorm van feedback die u hebt. Gebruik de onderstaande sectie om uw beoordeling te geven.

Was deze pagina nuttig?

Als u problemen ervaart op deze pagina of de inhoud onjuist is – een typfout, een ontbrekende stap of een technische fout – laat het ons weten zodat we dit kunnen verbeteren!