Работа с прогнозами для моделей временных рядов
После развертывания модели временных рядов ее можно использовать для создания прогнозов на основе новых данных. Чтобы создать прогнозы временных рядов, подготовьте набор данных применения, содержащий необходимые данные и структуру. Для получения подробной информации см. Подготовка набора данных применения.
Механизм прогнозирования
Процесс прогнозирования для моделей временных рядов имеет некоторые отличия от моделей классификации и регрессии.
Модели классификации и регрессии прогнозируют будущие значения для целого столбца, который отсутствует или неизвестен в наборе данных применения. Например, предположим, что у вас есть модель бинарной классификации, которая прогнозирует будущие значения столбца Отток. Набор данных применения обычно не содержит столбец Отток, а если он присутствует, то игнорируется — вместо этого значения для этого столбца генерируются моделью в качестве прогнозов.
С другой стороны, в модели временных рядов прогнозы создаются в виде строк, а не столбцов. Прогнозы по-прежнему генерируются для целевого столбца, но они представляют собой записи, соответствующие определенным будущим значениям времени. Структура столбцов не изменяется между наборами данных для обучения и применения.
Кроме того, набор данных применения для модели классификации или регрессии не должен содержать никаких целевых значений, для которых требуется сгенерировать прогнозы. С другой стороны, набор данных применения для модели временных рядов должен содержать некоторые исторические целевые значения и значения характеристик, соответствующие окну применения для модели. Эти требования более подробно описаны в разделе Подготовка набора данных применения.
Доступные инструменты для создания набора данных применения
Следующие инструменты доступны в Qlik Cloud, чтобы помочь вам создавать и динамически генерировать наборы данных:
-
Qlik скриптинг, доступный в Редактор загрузки данных в приложениях, а также автономный редактор скриптов, доступный из центра активности Аналитика.
-
Рецепт таблицы, доступный как автономный инструмент из центра активности Аналитика. Рецепт таблицы предназначен для создания однотабличных наборов данных, таких как те, что используются в машинном обучении.
-
Поток данных, доступный как автономный инструмент из центра активности Аналитика.
-
Диспетчер данных в аналитических приложениях.
Загрузка данных и управление ими с помощью Диспетчера данных
Часто требуемые операции
Изменение типов характеристик
Возможно, при подготовке набора данных применения потребуется преобразовать столбцы, чтобы изменить типы их характеристик.
Самый распространенный пример — наличие числового столбца, который был настроен как группа в модели. При выборе характеристики в качестве группы в эксперименте тип ее характеристики автоматически изменяется на категориальный (если он еще не является таковым), чтобы ее можно было обрабатывать как группу. При добавлении набора данных применения для прогнозов данные столбца, скорее всего, по-прежнему содержат числовые данные характеристик, поэтому потребуется изменить данные столбца на строковые, чтобы они идентифицировались как категориальная характеристика. Это преобразование можно легко выполнить с помощью скриптов Qlik — с использованием функции text() — или с помощью других инструментов подготовки данных Qlik, таких как Рецепт таблицы и поток данных.
Пример использования скриптов Qlik см. в разделе Подготовка набора данных.
Повторное обучение модели
Если необходимо создать прогнозы для новых значений группы (которые отсутствовали в данных обучения), необходимо обучить новую модель с использованием данных обучения, включающих эти новые значения группы. Для получения дополнительной информации см. Подготовка набора данных применения.
Отсутствующие значения группы во время прогнозирования
При прогнозировании с помощью развернутой модели временных рядов отсутствующие значения группы обрабатываются по-разному в зависимости от того, относятся ли эти значения к основным или вторичным группам. Для получения дополнительной информации и обходных путей см. Подготовка набора данных применения.
Ограничения
-
Мониторинг дрейфа данных недоступен для моделей временных рядов.
-
Наборы данных SHAP не могут быть сгенерированы во время прогнозирования с моделями временных рядов.
-
Аналитический коннектор Qlik Predict не поддерживает модели временных рядов.
Ограничения, связанные с экспериментами с временными рядами, см. в разделе Ограничения и особенности.