Перейти к основному содержимому Перейти к дополнительному содержимому

Работа с развертываниями машинного обучения

После обучения и уточнения модели ее можно развернуть для прогнозирования.

Развертывания машинного обучения можно создавать в личных, общих и управляемых пространствах.

Требования и разрешения

Для работы с развертываниями машинного обучения и с содержащимися в них конфигурациями прогнозирования требуется следующее:

  • Право пользователя «Профессионал» или «Пользователь с полными правами»

  • Просмотр и создание развертываний машинного обучения: Роль безопасности Automl Deployment Contributor или Automl Experiment Contributor

  • Редактирование и удаление развертываний машинного обучения: Роль безопасности Automl Deployment Contributor

  • Настройка конфигурации и выполнение прогнозирования на основе развертывания машинного обучения: Роль безопасности Automl Deployment Contributor

  • Необходимые разрешения в пространстве, где находятся развертывания машинного обучения.

Прогнозирования создаются как наборы данных. Поэтому к работе с источниками данных в Qlik Cloud применяются те же требования, что к работе с результатами прогнозирования (например, как при их использовании в приложении Qlik Sense). Для создания наборов данных в личном пространстве требуется роль Создатель личного аналитического содержимого.

Для графиков прогнозирования также предъявляются требования к владельцу конфигурации прогнозирования.

Для получения дополнительной информации см.:

Рабочий процесс

Следующие шаги описывают пример работы с развертываниями машинного обучения и прогнозированиями.

  1. Развертывание модели

    Разверните модель, которая будет использоваться для прогнозирования.

    Развертывание моделей

  2. Создание прогнозирований

    Создайте прогнозирования, запускаемые вручную или по графику, или используйте API прогнозирования.

    Создание прогнозов на основе наборов данных

  3. Визуализация прогнозной аналитики

    Загрузите сгенерированные данные для прогнозирования в приложение и создайте визуализации.

    Визуализация значений SHAP в приложениях Qlik Sense

  4. Исследование данных со сценариями альтернатив

    Интегрируйте API прогнозирования в приложение, чтобы создавать прогнозирования в реальном времени. С его помощью можно проверять сценарии альтернатив, изменяя значения признаков и получая прогнозируемые результаты для новых значений. Запись передается в развертывание машинного обучения через API, и пользователь получает ответ в реальном времени. Например, как изменение тарифного плана или повышение базового тарифа повлияет на риск оттока клиентов?

  5. Принятие мер (действия)

    Проанализируйте прогнозные данные и сценарии, чтобы определить, какие действия следует предпринять. Автоматизация приложения Qlik помогает автоматизировать действия и предоставляет специальные шаблоны для сценариев использования машинного обучения. Для получения дополнительной информации об автоматизациях см. раздел Автоматизация приложения Qlik. (только английский язык)

Подробнее

Помогла ли вам эта страница?

Если вы обнаружили какую-либо проблему на этой странице и с ее содержанием — будь то опечатка, пропущенный шаг или техническая ошибка, сообщите нам об этом, чтобы мы смогли ее исправить!