# 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 [API машинного обучения](https://qlik.dev/apis/rest/ml/). Прогнозирования можно создавать в реальном времени. Например, это позволит принимать решения о скидках для клиентов при оформлении заказа в реальном времени. Когда прогнозы сгенерированы, вы можете загрузить прогностические данные в Qlik Sense приложение. Это позволяет визуализировать данные, взаимодействовать с ними и создавать сценарии «что, если». Примечание к информации API прогнозирования в реальном времени устарел и заменен конечной точкой прогнозирования в реальном времени в [API машинного обучения](https://qlik.dev/apis/rest/ml/). Сама функция сохранена. Для будущих сеансов прогнозирования в реальном времени используйте конечную точку прогнозирования в реальном времени в API машинного обучения. Для получения помощи по миграции с API прогнозирования в реальном времени на API машинного обучения, обратитесь к [руководству по миграции на портале разработчиков Qlik Cloud.](https://qlik.dev/apis/rest/automl-deployments/#migrate-from-the-automl-real-time-predictions-api-to-the-machine-learning-api) ## 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. Эта панель видна, если модель по умолчанию в развертывании активирована и у вас есть необходимые разрешения для прогнозирований в реальном времени. Конечная точка прогнозирования в реальном времени представляет собой двустороннюю связь между Qlik Predict и другими функциями в Qlik Cloud, такими как 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. Панель прогнозов в реальном времени Панель прогнозов в реальном времени Панель прогнозов в реальном времени ![Панель прогнозов в реальном времени.](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_ml_realtime-predictions.png) Выполните следующие действия. 1. Откройте панель Прогнозы в реальном времени в развертывании машинного обучения. 2. Используйте кнопки копирования, чтобы скопировать применимый URL или JSON в буфер обмена (для получения информации о выборе псевдонима для использования см. раздел [Работа с псевдонимами моделей в прогнозах в реальном времени](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/creating-real-time-predictions.htm#AliasPredictions)). 3. Включите вызовы API Machine Learning в собственные приложения или вызывайте API вручную с помощью нужного инструмента. Для ознакомления со спецификациями конечных точек прогнозирования в реальном времени для Machine Learning API см. раздел [Генерирование прогнозов в синхронном запросе/ответе](https://qlik.dev/apis/rest/ml/#post-v1-ml-deployments-deploymentId-realtime-predictions-actions-run). Для получения другой общей информации о Machine Learning API см. раздел [Machine Learning API](https://qlik.dev/apis/rest/ml/). ## Требования для прогнозирования в реальном времени * Для использования конечной точки прогнозирования в реальном времени требуется ключ API. Чтобы сгенерировать API-ключ, у клиента должно быть разрешение Управлять ключами API. См. раздел [Создание ключей API и управление ими](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/mc-generate-api-keys.htm#Generating). * Исходная модель для используемого развертывания машинного обучения должна быть активирована для прогнозирования. Для получения дополнительной информации см.: * [Утверждение развернутых моделей](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/approve-models.htm) * [Работа с утверждением модели в качестве администратора](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/mc-approve-models-admin.htm) * Для работы с развертываниями машинного обучения и прогнозированиями необходимы соответствующие права. Для получения дополнительной информации см. раздел [Требования и разрешения](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-predictions.htm#Requirements). ## Работа с псевдонимами моделей в прогнозах в реальном времени Можно добавить несколько моделей в развертывание машинного обучения Система псевдонимов используется в развертываниях машинного обучения, чтобы обеспечить динамическую замену моделей для использования в прогнозировании. Для получения дополнительной информации см. раздел [Использование нескольких моделей в развертывании машинного обучения](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/ml-deployment-available-models.htm). При копировании URL или JSON, доступны следующие варианты: * Прогнозирование по умолчанию: используйте этот параметр, чтобы генерировать прогнозы на основе псевдонима по умолчанию в развертывании машинного обучения. * Прогнозирование для псевдонимов: используйте этот параметр, если требуется генерировать прогнозы на основе дополнительных псевдонимов, добавленных в развертывание машинного обучения. Выберите псевдоним в раскрывающемся меню, а затем скопируйте URL или JSON. ## Просмотр сведений о дрейфе данных и событиях прогнозирования Выполнив прогнозирование в реальном времени, откройте развертывание машинного обучения и переключитесь на панели Мониторинг операций и Мониторинг дрейфа данных. В этих видах можно оценить следующие показатели: * Уровень дрейфа данных для каждого признака, используемого в прогнозировании. Сравниваются данные, отправляемые в API Qlik Predict для прогнозирования в реальном времени, и обучающий набор данных. * Сведения о событии прогнозирования, например, выполнено успешно или нет, и сколько прогнозирований создано на его основе. Для получения дополнительной информации см.: * [Мониторинг операций развернутой модели](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/monitor-model-operations.htm) * [Мониторинг дрейфа данных в развернутых моделях](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/monitor-drift.htm)