Używanie połączeń Qlik Predict w wyrażeniach wizualizacji
Połączeń analitycznych można używać w wyrażeniach wizualizacji. Składnia podczas używania połączeń analitycznych w wyrażeniach musi być zgodna ze składnią rozszerzeń po stronie serwera.
Dane powinny być przetwarzane w wyrażeniu wizualizacji tylko wtedy, gdy będą się dynamicznie zmieniać na podstawie danych wejściowych od użytkownika. Jeśli transakcja z modelu danych będzie zawsze taka sama, predykcja powinna być zamiast tego obliczana w skrypcie ładowania i buforowana w modelu danych.
Jeśli przypadek użycia opiera się na danych wejściowych użytkownika, można użyć połączenia analitycznego i odpowiedniej składni rozszerzenia po stronie serwera w wyrażeniu wykresu, aby utworzyć interaktywne wykresy, które wizualizują dane otrzymane z punktów końcowych modelu.
Wykonaj następujące czynności:
-
Podczas edytowania wizualizacji kliknij
, aby otworzyć edytor wyrażeń. -
W edytorze wyrażeń wprowadź wyrażenie w polu wyrażenia. Wyrażenie musi być skonstruowane przy użyciu składni rozszerzeń po stronie serwera.
Składnia rozszerzeń po stronie serwera
Wymagania dotyczące automatycznie generowanych cech daty
Gdy używasz połączenia analitycznego Qlik Predict w wyrażeniu wizualizacji, uruchamiasz predykcje za pomocą wdrożonego modelu Qlik Predict.
Istnieją określone wymagania dotyczące formatowania daty podczas uruchamiania predykcji z modelu wytrenowanego na kolumnach cech daty. Dla tych kolumn dane dostarczane do połączenia analitycznego Qlik Predict muszą spełniać następujące wymagania:
-
Wartości daty oraz daty i godziny muszą być ciągami znaków sformatowanymi zgodnie ze standardami ISO 8601. Przykłady:
-
2020-01-14
-
2020-01-14T00:00:00.000Z
-
-
Data nadrzędna—cecha, z której pochodziły części daty—musi być uwzględniona w całości. Na przykład, Twój model może używać tylko cechy Year, ale nadal musisz podać datę w formacie zgodnym z ISO 8601.
-
Dane w każdej kolumnie muszą pochodzić z tej samej strefy czasowej.
Powyższe wymagania:
-
Dotyczy tylko cech przeszkolonych z inżynierią cech daty. Jeśli typ cechy zostanie ręcznie zmieniony na kategoryczny typ cechy, wymagania te nie mają zastosowania. Jeśli typ cechy został zmieniony na kategoryczny, podaj kolumnę w formacie daty, w którym była pierwotnie używana do szkolenia, w danych do zastosowania.
-
Nie mają zastosowania do modeli szeregów czasowych.
Aby uzyskać więcej informacji na temat pracy z cechami daty w predykcjach, zobacz Praca z cechami dat w predykcjach.
Przykłady
Oto przykład wywołania do wdrożenia Qlik Predict, które zapewnia predykcję rezygnacji klientów bankowych.
sum(aggr(endpoints.ScriptEvalEx('SNNNNNNNNNNSSNNSNNNNNSSSSSNSNNSS','{"RequestType":"endpoint", "endpoint":{"connectionname":"Qlik_Predict_Churn", "column":"Churned_yes"}}',
id_loan,
CurrentBalance,
loan_age,
delq_sts,
Margin,
countLatePayment,
RefinanceRateRelativity,
RealGDP,
ChangeUnemploymentRate,
CurrentLCV,
fico,
flag_fthb,
cd_msa,
mi_pct,
cnt_units,
occpy_sts,
cltv,
dti,
orig_upb,
ltv,
int_rt + vInterestRateShift as int_rt,
channel,
ppmt_pnlty,
prod_type,
st,
prop_type,
zipcode,
loan_purpose,
orig_loan_term,
cnt_borr,
flag_sc,
customerFeedback
),id_loan))