Praca z predykcjami w przypadku modeli szeregów czasowych
Po wdrożeniu modelu szeregów czasowych można go użyć do tworzenia predykcji na podstawie nowych danych. Aby utworzyć predykcje szeregów czasowych, przygotuj zestaw danych do zastosowania zawierający wymagane dane i strukturę. Pełne informacje zawiera temat Przygotowywanie zestawu danych do zastosowania.
Mechanizm predykcji
Proces predykcji przy użyciu modeli szeregów czasowych różni się nieco od modeli klasyfikacji i regresji.
Modele klasyfikacji i regresji przewidują przyszłe wartości dla całej kolumny, która nie istnieje lub jest nieznana w zbiorze danych aplikacji. Na przykład, załóżmy, że masz model klasyfikacji binarnej, który przewiduje przyszłe wartości kolumny Churned. Zestaw danych aplikacji zazwyczaj nie będzie zawierał kolumny Churned, a jeśli jest obecna, jest ignorowana — zamiast tego wartości dla tej kolumny są generowane przez model jako predykcje.
Z drugiej strony, w przypadku modelu szeregów czasowych, przewidywania są tworzone jako wiersze, a nie kolumny. Przewidywania są nadal generowane dla kolumny docelowej, ale są to rekordy odpowiadające konkretnym przyszłym wartościom czasu. Struktura kolumn nie zmienia się między zestawami danych do uczenia i do zastosowania.
Ponadto zestaw danych do zastosowania dla modelu klasyfikacji lub regresji nie powinien zawierać wartości celu, dla których nie chcesz generować predykcji. Z drugiej strony, zestaw danych do zastosowania dla modelu szeregów czasowych musi zawierać pewne historyczne wartości celu i cech odpowiadające oknu zastosowania dla modelu. Te wymagania są szczegółowo określone w Praca z predykcjami w przypadku modeli szeregów czasowych.
Dostępne narzędzia do tworzenia zestawu danych do zastosowania
Następujące narzędzia są dostępne w Qlik Cloud, aby pomóc Ci budować i dynamicznie generować zestawy danych:
-
Skrypty Qlik, dostępne w narzędziu Edytor ładowania danych w aplikacjach, a także samodzielny edytor skryptów dostępny z centrum aktywności Analytics.
-
Przepis na tabelę, dostępny jako samodzielne narzędzie w centrum aktywności Analytics. Przepis na tabelę jest przeznaczony do tworzenia zestawów danych z jedną tabelą, takich jak te używane w uczeniu maszynowym.
Ładowanie i przygotowywanie danych za pomocą przepisu na tabelę
-
Przepływ danych, dostępny jako samodzielne narzędzie z centrum aktywności Analytics.
Ładowanie i przygotowywanie danych przy użyciu Przepływu danych
-
Menedżer danych w aplikacjach analitycznych
Ładowanie danych i zarządzanie nimi za pomocą Menedżera danych
Często potrzebne operacje
Zmiana typów danych cech
Możliwe, że podczas przygotowywania zbioru danych do zastosowania trzeba będzie przekształcić kolumny, aby zmodyfikować ich typy cech.
Najczęstszym przykładem jest sytuacja, gdy masz kolumnę numeryczną skonfigurowaną jako grupę w Twoim modelu. Gdy wybierzesz cechę jako grupę w eksperymencie, jej typ cechy jest automatycznie zmieniany na kategorialny, jeśli jeszcze taki nie jest, aby mogła być traktowana jako grupa. Gdy dodasz swój zbiór danych do zastosowania na potrzeby predykcji, dane w kolumnie nadal będą prawdopodobnie zawierać numeryczne dane cech, więc trzeba będzie zmienić kolumnę na dane tekstowe, aby została zidentyfikowana jako cecha kategorialna. Tę transformację można łatwo wykonać za pomocą skryptu Qlik — używając funkcji text() — lub za pomocą innych narzędzi Qlik do przygotowywania danych, takich jak przepis na tabelę i przepływ danych.
Aby zapoznać się z przykładem użycia skryptu Qlik, zobacz Przygotowanie zestawu danych.
Ograniczenia
-
Monitorowanie dryfu danych nie jest dostępne dla modeli szeregów czasowych.
-
Zestawy danych SHAP nie mogą być generowane podczas przewidywań z modelami szeregów czasowych.
-
Łącznik Qlik Predict analityczny nie obsługuje modeli szeregów czasowych.
Aby zapoznać się z ograniczeniami dotyczącymi eksperymentów szeregów czasowych, zobacz Ograniczenia i uwagi.