# Ограничения и возможности Qlik Predict

На этой странице перечислены общие ограничения и возможности для функциональности Qlik Predict. Для возможностей, характерных для отдельных подписок Qlik Cloud, обратитесь к [Qlik Pricing](https://www.qlik.com/us/pricing) и [Qlik Cloud® Subscriptions](https://www.qlik.com/us/legal/product-terms) или свяжитесь с представителем вашей учетной записи Qlik.

## Общие ограничения

* Производительность API-интерфейса Qlik Predict ограничена 300 запросами в минуту.

* Максимальное количество столбцов в наборе данных: 500

  Это относится как к обучению, так и к применению наборов данных. Для обучающих наборов данных ограничением является количество столбцов, используемых в качестве признаков в версии эксперимента. В исходном наборе данных может быть больше столбцов. Например, у вас может быть набор данных с 501 столбцом. Набор данных все еще можно использовать для обучения, если вы исключите один признак во время настройки эксперимента.

* Для использования в Qlik Cloud поддерживается любой неструктурированный файл, который можно загрузить и профилировать в Qlik Predict.

  Если файл содержит несколько таблиц, например Microsoft Excel файлы с несколькими листами, будет импортирована только первая таблица. Если не удается выполнить профилирование данных таблицы (например, если таблица пуста), файл не поддерживается.

## Ограничения набора данных для обучения и профилирования

В этом разделе перечислены ограничения, применяемые к размерам наборов данных для обучения в Qlik Predict.

Обратите внимание на следующие моменты.

* Ограничения применяются только к данным, включенным в версию эксперимента: ко всем включенным функциональностям, включая целевой столбец.

* Ограничения применяются либо к общему профилированию данных на платформе Qlik Cloud, либо являются специфичными для Qlik Predict.

* Ограничения представляют собой максимальные возможности. Лимиты вашей подписки Qlik Cloud могут быть ниже.

### Ограничения размера набора данных для обучения

Эти ограничения представляют собой технические возможности по размеру, количеству ячеек и числу включенных столбцов в обучающих наборах данных.

Максимальные размеры обучающих наборов данных по типу набора данных

| Тип набора данных | Максимальный размер набора данных | Максимальное количество ячеек набора данных | Максимальное количество включенных столбцов |
| --- | --- | --- | --- |
| CSV | 2 ГБ | 100 млн | 500 |
| Parquet | 2 ГБ | 500 млн | 500 |
| QVD | 2 ГБ | 500 млн | 500 |
| Другое | 1 ГиБ | 100 млн | 500 |

Кроме того, некоторые функции обучения доступны только для наборов данных определенного размера и количества ячеек.

Доступность функциональности обучения по типу и размеру набора данных

| Тип набора данных | Поддерживается инжиниринг признаков свободного текста | Поддерживаются эксперименты с временными рядами | Поддерживается обнаружение смещения |
| --- | --- | --- | --- |
| CSV | До 100 миллионов ячеек или 1 ГиБ (превышение любого из этих ограничений не поддерживается) | До 1 ГиБ | До 1 ГиБ |
| Parquet | До 100 миллионов ячеек или 1 ГиБ (превышение любого из этих ограничений не поддерживается) | До 1 ГиБ | До 1 ГБ |
| QVD | До 100 миллионов ячеек или 1 ГБ (превышение любого из этих ограничений не поддерживается) | До 1 ГБ | До 1 ГБ |
| Другое | До 100 миллионов ячеек или 1 ГБ (превышение любого из этих ограничений не поддерживается) | До 1 ГиБ | До 1 ГиБ |

### Ограничения профилирования

При добавлении обучающего набора данных в эксперимент он анализируется профилированием данных Qlik Cloud для оценки различных статистических данных (таких как количество ячеек и количество уникальных значений). После запуска версии эксперимента выполняется предварительная обработка Qlik Predict, что иногда приводит к изменению определенных статистических данных.

Для больших наборов данных — превышающих 1 ГиБ — данные профилируются частично. Это может привести к изменению некоторых оценочных статистических данных — например, количества строк, ячеек, уникальных значений и нулевых значений — после выполнения обучения.

В результате при работе с некоторыми большими наборами данных могут возникнуть следующие ошибки обучения:

* Обучение завершается сбоем из-за того, что набор данных превышает количество ячеек, разрешенное подпиской, даже если при профилировании ошибок не было.

* Обучение завершается сбоем, потому что количество нулевых значений превышает максимально допустимый порог, даже если при профилировании ошибок не было.

* Предполагаемый тип эксперимента оказался несовместимым с обучающим набором данных, хотя при профилировании ошибок не было.

Для получения инструкций по устранению неполадок, за которыми вы можете следить, чтобы уменьшить размер набора данных, см. [Поиск и устранение неисправностей — Qlik Predict](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/Troubleshooting/ml-troubleshooting.htm).

## Подробнее

* [Поиск и устранение неисправностей — Qlik Predict](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/Troubleshooting/ml-troubleshooting.htm)