Przeskocz do zawartości głównej Przejdź do treści uzupełniającej

Praca z predykcjami uczenia maszynowego

Po wdrożeniu modelu uczenia maszynowego możesz go używać do tworzenia predykcji. Predykcje te można wykorzystywać do podejmowania efektywniejszych i bardziej świadomych decyzji na podstawie danych.

Można tworzyć i edytować wdrożenia uczenia maszynowego oraz generować predykcje w przestrzeni prywatnej lub udostępnionej. Można również publikować wdrożenia uczenia maszynowego w przestrzeniach zarządzanych i generować predykcje. Dostęp do wdrożeń uczenia maszynowego jest kontrolowany za pośrednictwem przestrzeni. Więcej informacji o przestrzeniach zawiera temat Praca w przestrzeniach.

Wdrożenia uczenia maszynowego można tworzyć w przestrzeniach osobistych, udostępnionych i zarządzanych. Dane predykcji wygenerowane z wdrożenia uczenia maszynowego mogą być przechowywane w przestrzeni prywatnej, udostępnionej lub zarządzanej.

Przepływ pracy

Poniższe kroki stanowią przykład pracy z wdrożeniami i predykcjami uczenia maszynowego.

  1. Wdrażanie modelu

    Wdróż model, którego chcesz użyć do tworzenia predykcji.

    Wdrażanie modeli

  2. Dokonywanie predykcji

    Dokonuj ręcznych lub zaplanowanych predykcji na zestawach danych lub korzystaj z interfejsu API predykcji.

    Tworzenie predykcji z zestawu danych

  3. Zatwierdzanie modelu

    Zanim będzie można używać wdrożenia uczenia maszynowego do predykcji, należy w tym celu aktywować model źródłowy. Model mogą zatwierdzać użytkownicy i administratorzy mający określone uprawnienia.

    Zatwierdzanie wdrożonych modeli

  4. Wizualizacja wniosków predykcyjnych

    Załaduj wygenerowane dane predykcyjne do aplikacji i utwórz wizualizacje.

    Wizualizacja wartości SHAP w aplikacjach Qlik Sense

  5. Eksploruj dane za pomocą scenariuszy typu „co by było, gdyby”.

    Zintegruj interfejs API predykcji z aplikacją, aby otrzymywać predykcje w czasie rzeczywistym. Pozwala to wypróbowywać scenariusze „co by było, gdyby” przez zmianę wartości cech i uzyskiwanie przewidywanych wyników dla nowych wartości. Rekord jest przekazywany do wdrożenia uczenia maszynowego przez API, a odpowiedź odbiera się w czasie rzeczywistym. Na przykład, co stałoby się z ryzykiem odpływu klientów, gdybyśmy zmienili typ planu lub zwiększyli opłatę podstawową?

  6. Podejmowanie działania

    Analizuj predykcyjne wnioski i scenariusze, aby się dowiedzieć, jakie należy podjąć działania. Automatyzacja aplikacji Qlik pomaga zautomatyzować działania i zapewnia szablony do przypadków zastosowania uczenia maszynowego. Więcej informacji na temat automatyzacji zawiera temat Automatyzacja aplikacji Qlik. (tylko w języku angielskim)

Wymagania i uprawnienia

W tej sekcji wymieniono wymagania względem użytkownika dotyczące pracy z wdrożeniami uczenia maszynowego oraz predykcji, których można dokonywać za ich pomocą.

Wdrożenia uczenia maszynowego

Do pracy z wdrożeniami uczenia maszynowego są potrzebne:

  • Uprawnienie profesjonalne lub Full User

  • Przeglądanie i tworzenie wdrożeń uczenia maszynowego: Rola bezpieczeństwa Automl Deployment Contributor lub Automl Experiment Contributor

  • Edytowanie i usuwanie wdrożeń uczenia maszynowego: Rola związana z zabezpieczeniami Automl Deployment Contributor

  • Wymagana rola w przestrzeni, w której zlokalizowane jest wdrożenie uczenia maszynowego.

Więcej informacji zawiera temat:

Predykcje

Do tworzenia, edytowania i usuwania konfiguracji predykcji są potrzebne:

  • Uprawnienie profesjonalne lub Full User

  • Rola związana z zabezpieczeniami Automl Deployment Contributor

  • Wymagana rola w przestrzeni, w której zlokalizowane jest wdrożenie uczenia maszynowego.

Predykcje można uruchamiać jako predykcje wsadowe (z konfiguracji predykcji) lub predykcje w czasie rzeczywistym. Predykcje można także uruchamiać za pomocą łącznika Qlik AutoML.

Aby uruchomić predykcje przy użyciu dowolnej z tych metod, są potrzebne:

  • Rola związana z zabezpieczeniami Automl Deployment Contributor

  • Wymagana rola w przestrzeni, w której zlokalizowane jest wdrożenie uczenia maszynowego:

    • Przestrzenie udostępnione: użytkownicy mający Uprawnienie profesjonalne lub Full User potrzebują roli Właściciel, Może zarządzać, Może edytować lub Może korzystać z danych w tej przestrzeni. Użytkownicy mający Uprawnienie Analityk potrzebują roli Właściciel lub Może korzystać z danych w tej przestrzeni.

    • Przestrzenie zarządzane: użytkownicy mający Uprawnienie profesjonalne lub Full User potrzebują roli Właściciel, Może zarządzać lub Może korzystać z danych w przestrzeni. Użytkownicy mający Uprawnienie Analityk potrzebują roli Właściciel lub Może korzystać z danych w tej przestrzeni.

  • W przypadku zaplanowanych predykcji skonfigurowanych przy użyciu interfejsu użytkownika AutoML istnieją również wymagania dotyczące właściciela konfiguracji predykcji. Zob.: Własność konfiguracji predykcji

Prognozy generowane z interfejsu użytkownika Qlik AutoML są tworzone jako zestawy danych. W związku z tym te same wymagania dotyczące pracy ze źródłami danych w Qlik Cloud dotyczą pracy z wynikami tej predykcji (np. używanie ich w aplikacji Qlik Sense). Aby tworzyć zestawy danych w swojej przestrzeni prywatnej, musisz mieć rolę Private Analytics Content Creator.

Więcej informacji zawiera temat:

Zatwierdzanie modeli

Aby aktywować i dezaktywować źródłowy wdrożony model dla wdrożenia maszynowego, są potrzebne określone uprawnienia. Uprawnienia te różnią się w zależności od tego, czy wykonujesz te działania jako użytkownik, czy jako administrator. Więcej informacji zawiera temat:

Dowiedz się więcej

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!