Criando previsões em tempo real
Use sua implementação de ML para prever resultados futuros em novos dados. Você cria previsões em tempo real usando o ponto de extremidade de previsão em tempo real na API de aprendizado de máquina.
As previsões podem ser feitas em tempo real, como decisões em tempo real sobre descontos para clientes no check-out. Quando as previsões forem geradas, você poderá carregar os insights preditivos em um aplicativo Qlik Sense. Isso permite que você visualize e interaja com os dados e crie cenários hipotéticos.
A API de previsões em tempo real foi descontinuada e substituída pelo ponto de extremidade de previsão em tempo real na API de aprendizado de máquina. A funcionalidade em si não está sendo descontinuada. Para previsões futuras em tempo real, use o ponto de extremidade de previsão em tempo real na API de aprendizado de máquina. Para obter ajuda com a migração da API de previsões em tempo real para a API de aprendizado de máquina, consulte o guia de migração no portal do desenvolvedor do Qlik Cloud.
Criando previsões em tempo real com a API
O painel Previsões em tempo real na interface de implementação de ML dá acesso ao ponto de extremidade de previsão em tempo real na API de aprendizado de máquina. Este painel fica visível se o modelo padrão na implementação estiver ativado e você tiver as permissões necessárias para previsões em tempo real.
O ponto de extremidade de previsão em tempo real é uma comunicação bidirecional entre o Qlik Predict e outros recursos no Qlik Cloud, incluindo o Qlik Sense e o Automations, bem como aplicativos externos. Você pode usar o ponto de extremidade para fazer previsões programaticamente passando dados para um modelo e recuperar os resultados da previsão em tempo real.
Painel de previsões em tempo real
Faça o seguinte:
-
Abra o painel Previsões em tempo real em uma implementação de ML.
-
Use os botões de cópia para copiar a URL ou JSON aplicável para a área de transferência (para obter informações sobre como selecionar qual alias usar, consulte Trabalhando com aliases de modelo em previsões em tempo real).
-
Incorpore chamadas à API de aprendizado de máquina em seus próprios aplicativos ou chame manualmente a API usando a ferramenta desejada.
Para obter especificações de endpoint em tempo real para a API de aprendizado de máquina, consulte Gerar previsões em uma solicitação/resposta síncrona.
Para obter mais informações gerais sobre a API de aprendizado de máquina, consulte API de aprendizado de máquina.
Requisitos para previsões em tempo real
-
Uma chave de API é necessária para usar o ponto de extremidade de previsão em tempo real. Os usuários devem ter a permissão Gerenciar chaves de API no locatário para gerar uma chave de API. Consulte Gerando e gerenciando chaves de API.
-
O modelo de origem para a implementação de ML que você está usando deve ser ativado para fazer previsões. Para obter mais informações, consulte:
-
Você precisa das permissões corretas para trabalhar com implementações e previsões de ML. Para obter mais informações, consulte Requisitos e permissões.
Trabalhando com aliases de modelo em previsões em tempo real
Você pode adicionar vários modelos a uma implementação de ML. Um sistema de aliases é usado em implementações de ML para permitir a troca dinâmica de modelos para uso em previsões. Para obter mais informações, consulte Usando vários modelos em sua implementação de ML.
Quando você copia sua URL ou JSON, as seguintes opções estão disponíveis:
-
Previsão padrão: use esta opção para gerar previsões a partir do alias padrão na implementação de ML.
-
Previsão de alias: use esta opção quando quiser gerar previsões de quaisquer aliases adicionais que você tenha adicionado à implementação de ML. Selecione um alias usando o menu suspenso e, em seguida, copie a URL ou o JSON.
Visualizando detalhes do desvio de dados e do evento de previsão
Depois de executar uma previsão em tempo real, abra a implementação de ML e explore os painéis Monitoramento de operações e Monitoramento de desvio de dados. Nessas visualizações, você pode avaliar:
-
O nível de desvio de dados para cada recurso envolvido na previsão. A comparação é realizada entre os dados que você envia para a API de previsão em tempo real do Qlik Predict e o conjunto de dados de treinamento.
-
Detalhes sobre o evento de previsão, como se ele foi bem-sucedido ou falhou, e quantas previsões ele gerou.
Para obter mais informações, consulte: