# Работа с прогнозированиями с помощью машинного обучения

После развертывания модели машинного обучения ее можно использовать для создания прогнозирований. Эти прогнозы могут использоваться для принятия более эффективных и обоснованных решений на основе ваших данных.

Можно создавать и редактировать развертывания машинного обучения, а также создавать прогнозы в личных или общих пространствах. Кроме того, можно публиковать развертывания машинного обучения в управляемых пространствах и создавать прогнозирования. Доступ к развертываниям машинного обучения контролируется через пространство. Чтобы узнать больше о пространствах, см. раздел [Работа в пространствах](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/Spaces.htm).

Развертывания машинного обучения можно создавать в личных, общих и управляемых пространствах. Данные прогнозирования, созданные на основе развертывания машинного обучения, можно сохранить в личном, общем или управляемом пространстве.

## 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](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/deploying-models.htm)

2. Утверждение модели

   Перед тем как создавать прогнозирования с использованием развертывания машинного обучения, необходимо активировать исходную модель для прогнозирования. Утверждение модели может выполняться пользователями и администраторами со специальными разрешениями.

   [Утверждение развернутых моделей](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/approve-models.htm)

3. Создание прогнозирований

   Создавайте прогнозирования вручную или по графику либо используйте конечные точки прогнозирования в реальном времени в Machine Learning API.

   [Создание прогнозов на наборах данных](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/creating-predictions.htm)

   [API машинного обучения](https://qlik.dev/apis/rest/ml/)

4. Визуализация прогнозной аналитики

   Загрузите сгенерированные данные для прогнозирования в приложение и создайте визуализации.

   [Визуализация значений SHAP в Qlik Sense приложениях](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/shap-values.htm)

5. Исследование данных со сценариями альтернатив

   Интегрируйте API прогнозирования в приложение, чтобы получать прогнозы 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?

6. Принятие мер (действия)

   Проанализируйте прогнозные данные и сценарии, чтобы определить, какие действия следует предпринять. Qlik Automate помогает автоматизировать действия и предоставляет специальные шаблоны для сценариев использования машинного обучения. Для получения дополнительной информации об автоматизациях см. раздел [Qlik Automate.](https://help.qlik.com/en-US/cloud-services/Subsystems/Sense_QlikAutomation/Content/Sense_QlikAutomation/introduction/home-automation.htm) (только английский язык)

7. Замена моделей по мере необходимости

   Со временем входные данные могут измениться с точки зрения распространения и признаков. Если исходная задача машинного обучения осталась прежней, можно поменять модели в существующем развертывании машинного обучения на новые, чтобы улучшить прогнозы с минимальными перебоями в работе. Если требуется переопределить первоначальную задачу машинного обучения, можно создать новый эксперимент.

   [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)

## Требования и разрешения

Для получения информации о необходимых ролях в пространстве для работы с развертываниями и прогнозами в общих и управляемых пространствах см.:

* [Разрешения общего пространства для пользователей с подпиской Professional и на основе емкости](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-prof-full.htm)

* [Разрешения в общем пространстве для пользователей с правом Права аналитика](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-analyzer.htm)

* [Разрешения для администраторов в общем пространстве](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-shared-space-admin.htm)

* [Разрешения в управляемом пространстве для пользователей категории Professional и пользователей в подписках на основе объема](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-managed-space-prof-full.htm)

* [Разрешения в управляемом пространстве для пользователей категории Права аналитика](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-managed-space-analyzer.htm)

* [Разрешения для администраторов в управляемом пространстве](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/Spaces/permissions-managed-space-admin.htm)

Если вы администратор, см. [Кто может работать с Qlik Predict](https://help.qlik.com/ru-RU/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm) для получения полного обзора необходимых пользовательских разрешений для работы с развертываниями и прогнозами.