Машинное обучение с помощью Qlik Predict
Автоматизированное машинное обучение находит модели в данных и использует их для прогнозирования будущих данных. Эксперименты машинного обучения в Qlik Cloud Analytics позволяют взаимодействовать с другими пользователями и интегрировать данные прогнозной аналитики в приложения Qlik Sense. Помимо прогнозирования, также можно выполнить детальный анализ ключевых признаков, влияющих на прогнозируемый результат.
Загрузите исторические данные из каталога, запустите автоматический процесс машинного обучения, а затем выберите модель, наиболее подходящую для вашего случая использования. Разверните модели для прогнозирования результатов решения проблем в бизнесе. Изучите переменные, влияющие на прогнозируемый результат, и досконально разберитесь в своих данных.
В качестве альтернативы разработчики могут интегрировать функциональность Qlik Predict в собственные рабочие процессы с помощью API машинного обучения. Для получения инструкций по началу работы см. Руководство по автоматизированному машинному обучению.
В Qlik Cloud для правительства не поддерживается Qlik Predict.
Начало работы с машинным обучением
Общее представление о машинном обучении
Узнайте об основных концепциях машинного обучения и о том, почему вы можете захотеть его использовать.
Формулирование задач машинного обучения
Узнайте, как определить свой вопрос машинного обучения и следить за структурированной основой.
Подготовка набора данных для обучения
Узнайте, как подготовить набор данных для использования в обучении моделей машинного обучения.
Работа с экспериментами
Работа с экспериментами машинного обучения
Ознакомьтесь с процессом автоматизированного машинного обучения и начните создавать эксперименты.
Работа с экспериментами временных рядов
Узнайте, как обучать модели для выполнения прогнозирования с учетом времени.
Интерпретация производительности модели
Узнайте о метриках, используемых для оценки прогнозных моделей.
Уточнение моделей
Как улучшить прогнозную модель? Подробнее...
Работа с развертываниями машинного обучения
Развертывание моделей
Когда вы создали модель, готовую для прогнозирования на новых данных, разверните ее в развертывание машинного обучения.
Работа с развертываниями машинного обучения
Узнайте о развертывании моделей, управлении развертываниями машинного обучения и активации развернутых моделей для прогнозирований.
Работа с прогнозированиями
Работа с прогнозированиями
Узнайте, как использовать развертывание машинного обучения для создания прогнозирований с помощью интерфейса или API.
Создание пакетных прогнозирований
Используйте интерфейс развертывания ML для создания наборов данных с прогнозными данными.
Создание наборов данных SHAP во время прогнозирования
Узнайте, как использовать значения SHAP для понимания ключевых факторов, лежащих в основе ваших данных, при построении прогнозов.
Создание прогнозирований в реальном времени
Узнайте, как получить доступ и использовать API машинного обучения для создания прогнозов в реальном времени для одной или нескольких строк данных.
Прогнозирование с помощью коннектора аналитики Qlik Predict
Используйте коннектор аналитики Qlik Predict для связи с вашим развертыванием и создания прогнозов непосредственно в приложениях и скриптах.
Практические руководства и инструкции
Учебное пособие «Создание и визуализация данных прогнозирования»
В данном учебном пособии показано, как создавать и обучать эксперимент, как разворачивать модель, создавать прогнозирования и визуализировать данные прогнозирования в приложении Qlik Sense.
Руководство — Predict продажи с помощью прогнозирования многомерных временных рядов
Это руководство проведет вас через процесс обучения, развертывания и прогнозирования с помощью моделей, которые могут выполнять прогнозы для конкретного времени.
Видео Qlik Predict
Посмотрите несколько коротких видео, которые помогут начать работу с машинным обучением.