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. Daarmee traint u modellen en implementeert u een van de modellen in een ML-implementatie. Deze ML-implementatie wordt gebruikt om voorspellingen te maken, die in een Qlik Sense-app gevisualiseerd kunnen worden.
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.
Deze zelfstudie toont u hoe u uw modellen handmatig kunt herhalen door algemene problemen met uw gegevensverzameling en trainingsresultaten te identificeren. Qlik AutoML traint uw modellen standaard met intelligente modeloptimalisatie. Met behulp van intelligente optimalisatie worden problematische functies automatisch verwijderd van de modeltraining. Dit verhoogt de kans dat uw modellen na één versie geïmplementeerd kunnen worden, zonder het proces te hoeven herhalen. Zie Voorbeeld – Trainingsmodellen met geautomatiseerde machine learning voor een voorbeeld hoe u modellen kunt trainen met intelligente optimalisatie.
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:
-
Professional- of Full User-recht
-
De beveiligingsrollen Automl Experiment Contributor en Automl Deployment Contributor in de Qlik Cloud-tenant
-
Machtigingen voor het goedkeuren van geïmplementeerde modellen. U hebt een van de volgende dingen nodig:
-
Uw AutoML‑modellen goedkeuren of afwijzen (gebruikersmachtiging)
-
AutoML‑modellen goedkeuren of afwijzen (beheerdersmachtiging)
-
-
De vereiste ruimterollen in de ruimten waarin u gaat werken. Zie: Machtigingen in gedeelde ruimtes beheren en Rechten in beheerde ruimtes beheren
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
Eerst moet u de materialen voor de zelfstudie downloaden via de onderstaande koppeling. Kies tussen de CSV- en QVD-werkstromen. Het downloaden van de vooraf geconfigureerde app is optioneel.
Nadat u de gewenste materialen hebt gedownload, pakt u ze uit op uw bureaublad.
-
AutoMLTutorialDatasetsCSV: Contains tutorial data in CSV format. This option is easier for getting started quickly.
-
AutoMLTutorialDatasetsQVF: bevat zelfstudiegegevens in de indeling .qvf scripts die u kunt uitvoeren om QVD's te maken. Deze optie duurt iets langer dan CSV, maar geeft u wel een inleiding tot het werken met Qlik-gegevensindelingen en -scripts.
-
AutoMLTutorialPreConfiguredApp: dit item is optioneel. Dit is een voorbeeldkopie van de Qlik Sense-app die u tijdens de zelfstudie gaat maken. Hiermee kunt u de training en implementatiefasen overslaan om sneller ervaring op te doen met de ontwikkeling van een voorspellende app.
Ga voor meer informatie naar Alternatieve methode: een 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.
Optie 1: gegevensverzamelingen AutoML-zelfstudie (CSV)
Doe het volgende:
Open het Analyse-activiteitencentrum.
Ga naar de pagina Maken, selecteer Gegevensverzamelingen en selecteer vervolgens Gegevensbestand uploaden.
Sleep het bestand AutoML Tutorial - Churn data - training.csv naar het uploaddialoogvenster.
Sleep hierna het bestand AutoML Tutorial - Churn data - apply.csv naar het uploaddialoogvenster.
Selecteer een ruimte. Dit kan uw persoonlijke ruimte zijn of een gedeelde ruimte als u wilt dat andere gebruikers toegang hebben tot deze gegevens.
Klik op Uploaden.
Nu dat uw datasets geüpload zijn, kunt u beginnen met het aanmaken van een experiment.
Optie 2: gegevensverzamelingen AutoML-zelfstudie (CSV)
Doe het volgende:
Open het Analyse-activiteitencentrum.
Ga naar de pagina Maken, selecteer Uploaden en selecteer vervolgens Script.
Sleep deze bestanden naar het uploaddialoogvenster:
AutoML Tutorial - Churn data - training.qvf
AutoML Tutorial - Churn data - apply.qvf
Selecteer een ruimte. Dit kan uw persoonlijke ruimte zijn of een gedeelde ruimte als u wilt dat andere gebruikers toegang hebben tot deze gegevens.
Klik op Uploaden.
Bij elk geüpload script doet u het volgende:
Open het script en ga naar het tabblad Editor.
In Editor klikt u op Gegevens exporteren.
De QVD-gegevensverzameling wordt in dezelfde ruimte gemaakt als waarin u het script hebt geüpload.
Nu dat uw gegevensverzamelingen gemaakt 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
- Qlik biedt een groot aantal bronnen, voor het geval u nog meer wilt leren.
- Qlik online help is beschikbaar.
- Training, inclusief gratis online cursussen, is beschikbaar in de Qlik Continuous Classroom.
- Discussieforums, blogs, en meer kunt u vinden in de Qlik Community.
Uw mening is belangrijk
Wij waarderen elke vorm van feedback die u hebt. Gebruik de onderstaande sectie om uw beoordeling te geven.