Przeskocz do zawartości głównej Przejdź do treści uzupełniającej

Samouczek — Generowanie i wizualizacja danych predykcyjnych

Z tego samouczka dowiesz się, jak używać Qlik AutoML do uczenia i wdrażania modelu uczenia maszynowego na potrzeby tworzenia predykcji. Dowiesz się także, jak wizualizować dane predykcji w aplikacji Qlik Sense.

Rozważymy scenariusz odpływu klientów — klasyczny przykład problemu z klasyfikacją binarną. Naszym celem jest możliwość wiarygodnego przewidywania, czy klient zrezygnuje z subskrypcji usługi, czy też będzie nadal z niej korzystać. W tego typu problemach są tylko dwa wyniki: prawda lub fałsz (zrezygnował lub nie zrezygnował).

Aby podejść do tego problemu uczenia maszynowego, zaczniemy od przetworzenia zestawu danych, dla których znamy już wyniki, a następnie zastosujemy modelowanie statystyczne utworzone na podstawie tych danych do nowych danych, dla których chcielibyśmy przewidzieć wyniki.

Ten kurs rozpoczniesz od utworzenia eksperymentu. Następnie udoskonalisz i wdrożysz eksperyment jako model uczenia maszynowego. Model ten będzie służyć do tworzenia predykcji, które można przedstawiać w formie wizualizacji w aplikacji Qlik Sense.

Czego się nauczysz?

Po ukończeniu tego kursu zrozumiesz różne kroki związane z tworzeniem i konfigurowaniem eksperymentu. Dowiesz się również, jak interpretować wyniki modeli. Nauczysz się wdrażać model uczenia maszynowego i zrozumiesz, jak można wykorzystać dane predykcji do generowania atrakcyjnych wizualizacji Qlik Sensew Analityka Qlik Cloud.

Kto powinien ukończyć ten kurs

Ten samouczek jest przeznaczony dla użytkowników, którzy chcą zapoznać się z automatycznym uczeniem maszynowym i wizualizacją danych w Analityka Qlik Cloud. Podstawowa wiedza na temat uczenia maszynowego i Qlik Sense będzie pomocna, ale nie jest wymagana.

Do ukończenia tego samouczka są potrzebne:

Jeśli nie możesz wyświetlić lub utworzyć zasobów uczenia maszynowego, prawdopodobnie nie masz wymaganych ról lub uprawnień. Aby uzyskać więcej informacji, skontaktuj się z administratorem dzierżawy.

Więcej informacji zawiera temat Kto może pracować z Qlik AutoML.

Co należy zrobić przed rozpoczęciem?

Pobierz ten pakiet i rozpakuj go na pulpicie:

Samouczek AutoML

Pakiet zawiera następujące elementy:

  • Dwa pliki danych, które są potrzebne do ukończenia samouczka.

  • Przykładowa kopia aplikacji Qlik Sense, którą zbudujesz podczas korzystania z samouczka. Umożliwia ona szybsze uzyskanie praktycznego doświadczenia w tworzeniu aplikacji predykcyjnych. Więcej informacji zawiera temat Alternatywny proces: Przesłanie wstępnie skonfigurowanej aplikacji.

Zestaw danych do uczenia zawiera informacje o klientach, których termin przedłużenia subskrypcji upłynął i którzy podjęli decyzję o odejściu lub pozostaniu subskrybentem usługi.

Zestaw danych do zastosowania zawiera szczegółowe informacje o nowym zestawie klientów, których termin przedłużenia subskrypcji jeszcze nie minął. Nie ustalono jeszcze, czy ci klienci zrezygnują z usługi. Celem tego kursu jest przewidzenie, co zrobi ta grupa klientów, z nadzieją, że możemy zmniejszyć prawdopodobieństwo ich odpływu.

  1. Otwórz hub Analityka Qlik Cloud.

  2. Kliknij Dodaj nowy > Zestaw danych, a następnie wybierz Prześlij plik danych.

  3. Przeciągnij plik Customer churn data - training.csv do okna dialogowego przesyłania.

  4. Następnie przeciągnij plik Customer churn data - apply.csv do okna dialogowego przesyłania.

  5. Wybierz przestrzeń. Może to być Twoja przestrzeń prywatna lub przestrzeń udostępniona, jeśli chcesz, aby inni użytkownicy mieli dostęp do tych danych.

  6. Kliknij przycisk Załaduj.

Po przesłaniu zestawów danych możesz przystąpić do tworzenia eksperymentu.

Lekcje w kursie

Zagadnienia w kursie należy wykonywać kolejno. Jednak w każdej chwili można przerwać i kontynuować później.

Dodatkowe materiały i zasoby

Twoja opinia jest ważna

Doceniamy wszelkie informacje zwrotne od naszych użytkowników. Powiedz, co o nas myślisz w poniższej sekcji.

Czy ta strona była pomocna?

Jeżeli natkniesz się na problemy z tą stroną lub jej zawartością — literówkę, brakujący krok lub błąd techniczny — daj nam znać, co możemy poprawić!