Werken met ML-implementaties
Nadat u een model hebt getraind en verfijnd, kunt u het implementeren om voorspellingen te genereren.
ML-implementaties kunnen in persoonlijke, gedeelde en beheerde ruimten worden gemaakt.
Workflow
De volgende stappen zijn een voorbeeld van hoe u met ML-implementaties en voorspellingen werkt.
- Uw model implementeren
Implementeer het model dat u wilt gebruiken om voorspellingen te maken.
- Uw model laten goedkeuren
Voordat u kunt beginnen met het doen van voorspellingen met uw ML‑implementaties, moet het bronmodel voor voorspellingen worden geactiveerd. Modelgoedkeuring kan worden uitgevoerd door gebruikers en beheerders met specifieke machtigingen.
- Voorspellingen maken
Maak handmatige of geplande voorspellingen voor gegevensverzamelingen of gebruik het eindpunt voor realtime voorspellingen in de Machine Learning API.
- Voorspellende inzichten visualiseren
Laad de gegenereerde voorspellingsgegevens in een app en maak visualisaties.
- Gegevens met wat-als-scenario's verkennen
Integreer de voorspellings-API in een app om realtime voorspellingen te krijgen. Hiermee kunt u wat-als-scenario's uitproberen door de kenmerkwaarden te veranderen en voorspelde uitkomsten voor de nieuw waarden te krijgen. De record wordt doorgegeven aan de ML-implementatie via de API en er wordt in realtime een respons ontvangen. Bijvoorbeeld: wat zou er gebeuren met het risico op klantverloop als we het abonnementstype zouden veranderen of de basiskosten zouden verhogen?
- Actie nemen
Analyseer de voorspellende inzichten en scenario's om te kijken welke acties u moet nemen. Qlik toepassingsautomatisering helpt u de acties te automatiseren en biedt specifieke sjablonen voor machine learning use cases. Zie Qlik toepassingsautomatisering (alleen in het Engels) voor meer informatie over automatisering.
- Modellen vervangen wanneer nodig
Na verloop van tijd kunnen de distributie en functies van uw invoergegevens veranderen. Als uw oorspronkelijke machine learning-probleem hetzelfde blijft, kunt u nieuwe modellen in uw bestaande ML-implementatie implementeren zodat voorspellingen naadloos kunnen worden verbeterd met minimale verstoring. Als u uw oorspronkelijke machine learning-probleem opnieuw moet definiëren, kunt u een nieuw experiment maken.
Vereisten en machtigingen
Raadpleeg Toegangscontroles voor ML-implementaties en voorspellingen voor meer informatie over de machtigingsvereisten voor het werken met ML-implementaties en voorspellingen.