Создание прогнозирований в реальном времени
Используйте развертывание машинного обучения для прогнозирования будущих результатов на основе новых данных. Для создания прогнозирований в реальном времени используется конечная точка прогнозирования в реальном времени в Machine Learning API.
Прогнозирования можно создавать в реальном времени. Например, это позволит принимать решения о скидках для клиентов при оформлении заказа в реальном времени. После создания прогнозирований данные прогнозной аналитики можно загрузить в приложение Qlik Sense, которое позволяет визуализировать данные, взаимодействовать с ними и создавать сценарии альтернатив.
API прогнозирования в реальном времени устарел и заменен конечной точкой прогнозирования в реальном времени в Machine Learning API. Сама функция сохранена. Для будущих сеансов прогнозирования в реальном времени используйте конечную точку прогнозирования в реальном времени в API машинного обучения.
Создание прогнозирований в реальном времени с помощью API
Панель Прогнозирования в реальном времени в интерфейсе развертывания машинного обучения предоставляет доступ к конечной точке прогнозирования в реальном времени в API машинного обучения.
Конечная точка прогнозирования в реальном времени представляет собой двустороннюю связь между AutoML и другими функциями в Qlik Cloud, включая Qlik Sense и автоматизации, а также внешними приложениями. Конечную точку можно использовать для программного создания прогнозирований путем передачи данных в модель и получения результатов прогнозирования в реальном времени.
Требования
-
Для использования конечной точки прогнозирования в реальном времени требуется ключ API. Чтобы сгенерировать ключ API, пользователю должна быть назначена роль Developer в клиенте.
Для получения дополнительной информации об API прогнозирования см. раздел Machine Learning API.
-
Исходная модель для используемого развертывания машинного обучения должна быть активирована для прогнозирования. Для получения дополнительной информации см.:
-
Для работы с развертываниями машинного обучения и прогнозированиями необходимы соответствующие права. Они включают роли безопасности и роли пространства. См. Работа с прогнозированиями с помощью машинного обучения.
Просмотр сведений о дрейфе данных и событиях прогнозирования
Выполнив прогнозирование в реальном времени, откройте развертывание машинного обучения и переключитесь на панель Мониторинг дрейфа данных. В этом представлении можно оценить:
-
Уровень дрейфа данных для каждого признака, используемого в прогнозировании. Сравниваются данные, отправляемые в API прогнозирования в реальном времени AutoML, и набор данных для обучения.
-
Сведения о событии прогнозирования, например, выполнено успешно или нет, и сколько прогнозирований создано на его основе.
Для получения дополнительной информации см. раздел Мониторинг производительности и использования развернутых моделей.