Criando previsões em tempo real
Use sua implementação de ML para prever resultados futuros em novos dados.
Previsões podem ser feitas em tempo real usando a API de previsão, como decisões em tempo real sobre descontos de clientes na finalização da compra. 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.
Usando a API de previsão em tempo real
O painel Previsões em tempo real na interface de implementação de ML fornece acesso à API de previsão em tempo real.
A API de previsão em tempo real é uma comunicação bidirecional entre o AutoML e outros recursos no Qlik Cloud, incluindo o Qlik Sense e Automações, bem como aplicativos externos. Você pode usar a API para fazer previsões programaticamente passando dados para um modelo e recuperar os resultados da previsão em tempo real.
Painel de previsões em tempo real
Requisitos
Uma chave de API é necessária para usar a API de previsão em tempo real. O usuário deve ter a função Developer no locatário para gerar uma chave de API.
Para obter mais informações sobre a API de previsão, consulte Previsões em tempo real do AutoML.
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. Isso inclui funções de segurança e funções de espaço. Consulte Trabalhando com previsões de ML.
Visualizando detalhes do desvio de dados e do evento de previsão
Após executar uma previsão em tempo real, abra a implementação do ML e alterne para o painel de Monitoramento de desvio de dados. Nessa visualização, 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 AutoML 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 Monitorando o desempenho e o uso de modelos implementados.