Trabalhando com previsões para modelos de séries temporais
Após implementar um modelo de série temporal, você pode usá-lo para criar previsões sobre novos dados. Para criar previsões de séries temporais, prepare um conjunto de dados aplicável que contenha os dados e a estrutura necessários. Para detalhes completos, consulte Preparando um conjunto de dados de aplicação.
Mecanismo de previsão
O processo de previsão de modelos de séries temporais tem algumas diferenças em relação aos modelos de classificação e regressão.
Os modelos de classificação e regressão preveem valores futuros para uma coluna inteira que não existe ou é desconhecida no conjunto de dados de aplicação. Por exemplo, suponha que você tenha um modelo de classificação binária que preveja valores futuros de uma coluna Churned. O conjunto de dados de aplicação normalmente não conterá uma coluna Churned e, se ela estiver presente, será ignorada; em vez disso, os valores dessa coluna são gerados pelo modelo como previsões.
Por outro lado, com um modelo de séries temporais, as previsões são criadas como linhas em vez de colunas. As previsões ainda são geradas para uma coluna alvo, mas são registros correspondentes a valores temporais futuros específicos. A estrutura das colunas não se altera entre os conjuntos de dados de treinamento e de aplicação.
Além disso, um conjunto de dados de aplicação para um modelo de classificação ou regressão não deve conter nenhum valor de destino para o qual você queira gerar previsões. Por outro lado, o conjunto de dados de aplicação para um modelo de séries temporais precisa conter alguns valores de destino e de recursos históricos, correspondentes à janela de aplicação do modelo. Esses requisitos são especificados com mais detalhes em Trabalhando com previsões para modelos de séries temporais.
Ferramentas disponíveis para criar um conjunto de dados de aplicação
As ferramentas a seguir estão disponíveis no Qlik Cloud para ajudá-lo a criar e gerar dinamicamente seus conjuntos de dados:
-
Scripts Qlik, disponíveis no Editor de carregamento de dados em aplicativos, bem como o editor de script independente, acessível no centro de atividades do Análises.
-
Receita de tabela, disponível como ferramenta independente no centro de atividades do Análises. A receita de tabela foi projetada para criar conjuntos de dados de tabela única, como os usados no aprendizado de máquina.
-
Fluxo de dados, disponível como ferramenta independente no centro de atividades do Análises.
-
Gerenciador de dados em aplicativos de análise.
Operações geralmente necessárias
Alterando os tipos de recursos
É possível que, ao preparar o conjunto de dados de aplicação, você precise transformar colunas para modificar seus tipos de recursos.
O exemplo mais comum é quando você tem uma coluna numérica configurada como um grupo no seu modelo. Quando você seleciona um recurso como um grupo dentro do seu experimento, o tipo de recurso é automaticamente alterado para categórico, caso ainda não o tenha sido, para que possa ser tratado como um grupo. Quando você adiciona o conjunto de dados de aplicação para previsões, é provável que os dados da coluna ainda contenham dados de recursos numéricos, portanto, será necessário alterar a coluna para dados de cadeia de caracteres para que ela seja identificada como um recurso categórico. Essa transformação pode ser feita facilmente por meio do script Qlik — usando a função text() — ou com outras ferramentas de preparação de dados do Qlik, como receita de tabela e fluxo de dados.
Para obter um exemplo usando o script Qlik, consulte Preparando o conjunto de dados.
Limitações
-
O monitoramento de desvio de dados não está disponível para modelos de séries temporais.
-
Conjuntos de dados SHAP não podem ser gerados durante as previsões com modelos de séries temporais.
-
O conector de análise do Qlik Predict não oferece suporte a modelos de séries temporais.
Para conhecer as limitações relacionadas aos experimentos de séries temporais, consulte Limitações e considerações.