Engenharia de recursos de data
O Qlik Predict gera recursos de engenharia automática a partir de colunas qualificadas com o tipo de recurso de data, que foram identificadas como contendo informações de data e hora. Os recursos de data de engenharia automática e os recursos principais dos quais são derivados são marcados com um ícone 
.
Quando o Qlik Cloud Analytics cria o perfil do conjunto de dados de treinamento selecionado para uso no Qlik Predict, ele vincula determinados tipos de dados ao tipo de recurso de data. Isso inclui os seguintes tipos de dados:
-
Data
-
Data/hora
-
Hora
-
Carimbo de data/hora
Os recursos aos quais qualquer um desses tipos de dados é atribuído durante a criação de perfil recebem o tipo de recurso de data. Para obter informações sobre as estatísticas de perfil disponíveis que podem ser visualizadas para seus campos de dados, consulte Exibição em lista.
Quando possível, o Qlik Predict exibe uma lista de recursos de data projetados automaticamente que podem ser criados a partir de recursos pai qualificados que possuem o tipo de recurso de data. Os recursos de data projetados automaticamente são incluídos no experimento por padrão. Se você optar por incluí-los, os novos recursos serão gerados após a v1 do experimento.
Os recursos de data com engenharia automática têm o tipo de recurso numérico. Eles estão incluídos no experimento por padrão, mas são opcionais. Você pode remover alguns ou todos eles antes de iniciar o treinamento experimental ou ao configurar a próxima versão do experimento. Quando recursos de data projetados automaticamente são incluídos, o recurso de data pai original é removido do experimento.
Em vez disso, você pode incluir o recurso de data pai como um recurso categórico ou numérico. Ao fazer isso, os recursos de data projetados automaticamente não podem mais ser usados. Na maioria dos casos, é recomendável usar os recursos projetados automaticamente disponíveis em seu experimento, porque eles trazem desempenho aprimorado para seus modelos de aprendizado de máquina. No entanto, pode haver cenários em que uma coluna é identificada como um recurso de data, mas você precisa que ela seja tratada como categórica ou numérica. Nesses casos, você pode alterar manualmente o tipo de recurso.
Os recursos de data de engenharia automática não contam para o tamanho do conjunto de dados do Qlik Predict (contagens máximas de células em conjuntos de dados de treinamento e conjuntos de dados de aplicação) que foi especificado em sua assinatura do Qlik Cloud. Somente as células da coluna de data original são contadas.
Visualização de esquema mostrando recursos de engenharia automática que podem ser gerados a partir de um recurso de data pai "Data da fatura". Observe a diferença entre o Tipo de dados e o Tipo de recurso de cada recurso.
Usando um recurso de data como alvo do experimento
No caso raro em que você deseja usar um recurso com informações de data e hora como alvo de seu experimento, o tipo de recurso da coluna será alterado de data para categórico e os recursos de engenharia automática serão removidos. Se você selecionar outro alvo e, posteriormente, desejar adicionar o recurso de data e hora como um recurso regular; será necessário alterá-lo de volta para o tipo de recurso de data manualmente, se necessário. Se você retornar o recurso para o tipo de recurso de data, os recursos de data com engenharia automática serão gerados novamente.
Para obter mais informações sobre como alterar os tipos de recursos, consulte Alterando os tipos de recursos.
Recursos de data de engenharia automática disponíveis
Ao gerar recursos de data projetados automaticamente a partir de uma coluna no seu conjunto de dados, o Qlik Predict extrai e calcula componentes específicos de cada data e valor de data e hora, isolando cada componente em sua própria coluna. A tabela abaixo lista os recursos de engenharia automática que podem ser gerados pelo Qlik Predict.
| Recurso de engenharia automática | Tipo de dados | Tipo de recurso | Descrição |
|---|---|---|---|
| YEAR | Inteiro | Numérico | Campo de ano analisado diretamente da data ou carimbo de data/hora de origem. |
| MONTH | Inteiro | Numérico | Campo de mês analisado diretamente da data ou carimbo de data/hora de origem. |
| DAY | Inteiro | Numérico | Campo de dia analisado diretamente da data ou carimbo de data/hora de origem. |
| HOUR | Inteiro | Numérico | Campo de hora analisado diretamente do carimbo de data/hora de origem. |
| MINUTE | Inteiro | Numérico | Campo de minuto analisado diretamente do carimbo de data/hora de origem. |
| SECOND | Inteiro | Numérico | Campo de segundo analisado diretamente do carimbo de data/hora de origem. |
| DAYOFWEEK | Inteiro | Numérico | Dia da semana, calculado a partir do dia, mês e ano de origem. |
| WEEK | Inteiro | Numérico | Semana do ano, calculada a partir do dia, mês e ano de origem. |
Para cada novo recurso criado, o nome da coluna original é sufixado pelo recurso de engenharia automática aplicável.
Recursos de data projetados automaticamente no painel de configuração do experimento
Recursos de data com engenharia automática e modelos de séries temporais
Quando você seleciona uma coluna de índice de datas para um experimento de séries temporais, o tipo de recurso de data é usado para essa coluna. No entanto, a engenharia de recursos de data não é compatível com os modelos de séries temporais. Os recursos de data de engenharia automática não estão disponíveis para serem derivados da coluna.
Para obter mais informações sobre modelos de séries temporais, consulte Trabalhando com experimentos de séries temporais e Trabalhando com previsão de séries temporais multivariadas.
Recursos de data com engenharia automática em previsões
Para obter informações sobre como trabalhar com recursos de data ao executar previsões, consulte Trabalhando com recursos de data em previsões.
Saiba mais
Recursos de data com engenharia automática em previsões
Os recursos de data com engenharia automática são gerados ao usar o conjunto de dados de treinamento para criar um modelo, que é implementado e usado como uma implementação de ML para fazer previsões sobre novos dados (o conjunto de dados de aplicação).
Quando um modelo treinado com recursos de data de engenharia automática é implementado para fazer previsões, o conjunto de dados de aplicação no qual você está gerando previsões não precisa incluir os recursos de data de engenharia automática. O Qlik Predict gera os recursos de engenharia automática para o conjunto de dados de aplicação antes da previsão. No entanto, o conjunto de dados de aplicação deve incluir o recurso de data pai e a coluna deve ter o perfil criado como tendo o tipo de dados Data, Data/hora, Carimbo de data/hora ou Hora.
Os conjuntos de dados de previsão criados por uma implementação de ML, incluindo conjuntos de dados SHAP e de aplicação, incluirão os recursos de data de engenharia automática.
Recursos de data com engenharia automática em previsões em tempo real
Para que o ponto de extremidade de previsão em tempo real na API de aprendizado de máquina possa processar seus campos de data e carimbos de data/hora, a carga útil JSON que você envia para o ponto de extremidade deve seguir os requisitos abaixo:
-
Os valores de data e de data/hora devem ser strings formatadas de acordo com os padrões ISO 8601. Exemplos:
-
2020-01-14
-
2020-01-14T00:00:00.000Z
-
-
A data principal – o recurso do qual as partes da data foram derivadas – deve ser incluída na sua totalidade. Por exemplo, seu modelo pode usar apenas um recurso Ano, mas você ainda precisa fornecer a data no formato compatível com ISO 8601.
-
Os dados em cada coluna precisam estar no mesmo fuso horário.
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.