Przedstawiamy zautomatyzowane uczenie maszynowe

Qlik Predict umożliwia automatyzację uczenia maszynowego dla zespołów analitycznych. Prosty, niewymagający kodowania interfejs pozwala łatwo opracowywać eksperymenty uczenia maszynowego, generować modele i tworzyć predykcje.

Co to jest uczenie maszynowe

Uczenie maszynowe to dziedzina sztucznej inteligencji i nauki o danych koncentrująca się na rozpoznawaniu wzorców w danych historycznych w celu przewidywania wyników w przyszłości. Algorytmy są uczone na tych danych w celu zbudowania modelu predykcyjnego bez specjalnego programowania. Model uczenia maszynowego może pomóc w uzyskaniu odpowiedzi na takie pytania jak:

• Czy klient siłowni zrezygnuje z abonamentu?

• Jaka jest oczekiwana wartość całkowita danego klienta?

Więcej informacji o podstawowych pojęciach zawiera temat Na czym polega uczenie maszynowe. Dowiesz się z niego również o strukturze definiowania pytań dotyczących uczenia maszynowego i przygotowywania zestawów danych.

Do czego można wykorzystać zautomatyzowane uczenie maszynowe

Utwórz zautomatyzowane eksperymenty uczenia maszynowego w Qlik Sense. W centrum aktywności Analytics możesz współpracować nad eksperymentem z innymi użytkownikami i łatwo ładować dane z katalogu w celu uczenia modelu.

Zintegruj analizy predykcyjne z aplikacjami Qlik Sense, aby udostępniać swoje wyniki. Eksploruj głębiej przy użyciu wizualizacji i interaktywnych scenariuszy „co by było, gdyby”, aby się zorientować, jak zmiana różnych parametrów może wpłynąć na pożądany wynik.

Możesz tworzyć predykcje dotyczące zestawów danych przechowywanych w Katalogu lub predykcje operacyjne w czasie rzeczywistym za pomocą interfejsów API Qlik Sense.

Jak działają eksperymenty

Eksperyment uczy algorytmy uczenia maszynowego na określonym zestawie danych z określonym celem. Uczenie generuje modele uczenia maszynowego, które można wykorzystać do predykcji.

Większość procesów w zautomatyzowanym uczeniu maszynowym przebiega automatycznie. Gdy tworzysz eksperyment i ładujesz zestaw danych, zestaw danych jest automatycznie analizowany, a dane są wstępnie przetwarzane w celu przygotowania ich do uczenia maszynowego. Wyświetlane są statystyki i inne informacje o każdej kolumnie, aby pomóc Ci w wyborze celu. Po rozpoczęciu uczenia kilka algorytmów rozpoczyna wyszukiwanie wzorców w danych. Aby uzyskać więcej informacji na temat tworzenia i uczenia eksperymentów, zobacz temat Praca z eksperymentami.

Po zakończeniu szkolenia wyniki i klasyfikacje umożliwiają ocenę wygenerowanych modeli uczenia maszynowego. Zmieniając parametry i powtarzając uczenie, możesz wygenerować wiele wersji. Wybierz najlepiej działający model dla swojego zestawu danych i wdróż go, aby rozpocząć tworzenie predykcji. Więcej informacji zawiera temat Praca z wdrożeniami uczenia maszynowego.

Jak pokazano na poniższej ilustracji, eksperyment może mieć wiele wersji, z których każda używa jednego lub większej liczby algorytmów. Model z najwydajniejszym algorytmem można wdrożyć w celu tworzenia predykcji. Oznacza to, że efektem jednego eksperymentu może być kilka wdrożeń uczenia maszynowego.

Ograniczenia Qlik Predict

Qlik Predict to dodatkowa funkcja płatna. Odpowiednie subskrypcje obejmują pewną ograniczoną funkcjonalność. Konkretne możliwości i pojemność zależą od poziomu subskrypcji.

• Qlik Predict ma limit szybkości API wynoszący 300 żądań na minutę.

• Maksymalna liczba kolumn w zestawie danych: 500

  Dotyczy to zestawów danych używanych do uczenia eksperymentów i generowania predykcji. Limitem jest liczba kolumn używanych jako cechy w wersji eksperymentu. W zestawie danych może znajdować się więcej kolumn, a limity są obliczane, gdy kolumny są zawarte w zestawie danych.