Skapa prognoser för datauppsättningar

Använd din ML-driftsättning för att förutsäga framtida resultat med nya data.

Öppna en ML-distribution och gå till rutan Datauppsättning för förutsägelse för att börja skapa prognoskonfigurationer. Se Navigera i gränssnittet för ML-distribution.

Du kan göra prognoser för datauppsättningar i katalogen, till exempel dagliga prognoser om nya transaktioner. Prognoser kan också göras i realtid med hjälp av API:et för prognoser. Information om API:et för prognoser finns i Skapa realtidsprognoser.

Prognoserna genereras i en datauppsättning med prognoser och – för klassificeringsmodeller – en kolumn med sannolikheten för varje klass. Om du vill kan du även generera datauppsättningar med SHAP-värden eller, och en kopia av datauppsättning för tillämpning. Datauppsättningarna kan vara i formaten Parquet, csv eller qvd.

När prognoser genereras kan du ladda prognosinsikterna i en Qlik Sense-app. På så sätt kan du visualisera och interagera med data och skapa scenarier.

Innan du börjar

Innan du kan börja generera prognoser med din ML-distribution måste källmodellen aktiveras. Mer information finns i Godkänna distribuerade modeller.

Nyckelkoncept

Datauppsättning för tillämpning

Under experimentträning distribuerar du en modell som används för att generera prognoser på en ny datauppsättning. Den här datauppsättningen benämns tillämpningsdatauppsättningen. Prognoserna genereras i en datauppsättning med prognoser och – för klassificeringsmodeller – en kolumn med sannolikheten för varje klass. Som ett alternativ kan du också generera datauppsättningar med SHAP-värden eller fel.

Den tillämpade datauppsättningen måste ha samma funktioner och datatyper som den datauppsättning som användes för att träna ML-driftsättningen. Målkolumnen som specificeras i ML-experimentet behöver inte inkluderas i den tillämpade datauppsättningen. Observera att ytterligare kolumner som inte ingick i modellträningen fortfarande kan finnas i den tillämpade datauppsättningen. AutoML kommer helt enkelt att ignorera de ytterligare kolumnerna när prognoser genereras.

Automatisk funktionsgenerering

Mer information om att generera prognoser med modeller som tränas med automatisk funktionsgenerering finns i Automatisk funktionsgenerering.

Konfiguration för förutsägelse

Datauppsättningar för förutsägelser genereras från en konfiguration av förutsägelse. Alla ML-distributioner kan ha flera konfigurationer av förutsägelser. Konfigurationen av förutsägelser kan ställas in att köras med eller utan ett schema.

Ägande till konfiguration av förutsägelser

När en användare skapar en konfiguration av förutsägelser tilldelas användaren automatiskt som ägare.

I följande lista anges åtkomstkraven för att en konfiguration av förutsägelser ska kunna köras. Om förutsägelsen körs manuellt måste användaren som kör förutsägelserna uppfylla kraven. För schemalagda förutsägelser måste också ägaren av konfigurationen av förutsägelser uppfylla kraven.

• Användarrättighet Professional eller Full User och rollen Automl Deployment Contributor i klientorganisationen. Se: Vem kan arbeta med Qlik AutoML

• De nödvändiga kraven i utrymmet för att köra förutsägelser från ML-distributionen.

• De nödvändiga kraven för att skapa datakällor i utrymmet där förutsägelsedata sparas.

Det kan hända att ägaren av en konfiguration för förutsägelser förlorar åtkomsten till klientorganisationen, eller inte längre uppfyller de andra kraven för att arbeta med ML-distributioner. I det här fallet kan en användare med de behörigheter som krävs klicka på Gör mig till ägare för att ta över ägandet av den schemalagda förutsägelsen så att den kan köras. Detta görs i rutan för konfiguration av förutsägelser, eller som en åtgärd i fönstret Förutsägelser för datauppsättning.

Mer information om behörighetskraven för utrymmen för alla åtgärder som nämns i det här avsnittet finns i Hantera behörigheter i delade utrymmen och Hantera behörigheter i hanterade utrymmen.

Överväganden för datauppsättning för tillämpning

Konsekvenser av manuell ändring av funktionstyp

När du ändrar funktionstypen för en funktion manuellt och sedan distribuerar en resulterande modell, kommer åsidosättandet av funktionstypen att tillämpas på funktionen i den tillämpade datauppsättningen som används i prognoser som görs med den modellen.

Ändra funktionstyper

Krav och behörigheter

Mer information om behörighetskraven för att arbeta med ML-distributioner och förutsägelser finns i Arbeta med ML-prognoser.

Skapa nya förutsägelser

Du kan skapa nya konfigurationer för förutsägelser både från fönstret Driftsättningsöversikt och från fönstret Prognoser för datauppsättning.

Gör följande:

1. Öppna en ML-distribution från katalogen.

2. Längst ned till höger klickar du på Skapa prognos.

3. I fönstret Konfiguration för prognos expanderar du Tillämpa data och klickar på Välj tillämpa datauppsättning.

4. Välj en datauppsättning som du vill generera prognoser för. Datauppsättningen måste ha samma funktioner och datatyper som modellschemat.

   Datauppsättningar kan laddas upp via sidan Skapa i aktivitetscentret för Analyser. Du kan också ladda upp en ny datauppsättning direkt till Catalog från sidan för val av datauppsättning för prognosen. Denna datauppsättning kommer då automatiskt att väljas som den datauppsättning som ska användas i din prognos. För att göra detta klickar du på Lägg till tillämpad datauppsättning och väljer den fil som ska laddas upp.

5. Under Datauppsättning för prognos klickar du på Namnge datauppsättning för prognos.

6. Ange ett namn (eller acceptera standardnamnet).

   Qlik AutoML har stöd för dynamisk namngivning av filer för datauppsättningar för dynamisk förutsägelse. Mer information finns i Använda variabler i filnamn för datauppsättningar för prognos.

7. Välj ett format för de genererade datauppsättningarna. Parquet är standard. Datauppsättningar kan också genereras i csv- eller qvd-format.

8. Välj ett utrymme.

9. Klicka på Bekräfta.

10. Under Alternativ för prognos väljer du ytterligare datauppsättningar som du vill generera.

    • Datauppsättningen Fel: generera en datauppsättning med fel för poster i den tillämpade datauppsättningen. Detta ger dig information om huruvida en post har utelämnats och av vilken anledning.

    • SHAP: generera en datauppsättning med SHAP-värden för varje post. Datauppsättningen har kolumnerna index och <feature>_SHAP för varje funktion i modellen.

      Anteckning om informationDet här alternativet är inte tillgängligt för förutsägelser från klassificeringsmodeller för multiklasser. För de här modellerna kan du använda alternativet Koordinera SHAP istället.

    • Koordinera SHAP: generera en datauppsättning med SHAP-värden för varje post. Detta ger dig samma värden som SHAP-datauppsättningen, men organiserade på ett annat sätt. Datauppsättningen har kolumnerna index, automl_feature och SHAP_value. En extra kolumn, Predicted_class, inkluderas med förutsägelser från en klassificeringsmodell för multiklasser.

11. Välj om du vill skapa en indexkolumn automatiskt eller använda en befintlig kolumn i den tillämpade datauppsättningen.

12. Du kanske också vill köra din prognos enligt ett schema. Under Prognosschema klickar du på Skapa schema och justerar inställningarna i dialogrutan som visas. Mer information finns i Schemalägga prognoser.

13. Klicka på knappen Spara och stäng för att spara konfigurationen av prognosen och återgå till fönstret Prognoser för datauppsättning utan att köra prognosen. Du kanske föredrar det här alternativet om du bara vill att prognoserna ska köras enligt ett schema.

    Alternativt kan du klicka på Spara och förutsäg nu för att spara prognoskonfigurationen och köra prognosen manuellt.

    När Senaste status visar "Lyckades" är prognoserna slutförda.

14. Gå till Catalog för att se de genererade datauppsättningarna.

Redigera prognoskonfigurationer

Du kan redigera befintliga prognoskonfigurationer från fönstret Prognoser för datauppsättning.

Gör följande:

1. I fönstret Prognoser för datauppsättning klickar du på ... på den prognoskonfiguration som du vill redigera.

2. Välj Redigera prognoskonfiguration på menyn Åtgärder.

3. I fönstret Prognoskonfiguration kan du redigera följande delavsnitt:

   • Tillämpa data: du kan ändra den tillämpade datauppsättningen.

   • Datauppsättning för förutsägelse: du kan ändra namn och utrymme för datauppsättningen för förutsägelse.

   • Alternativ för förutsägelse: du kan ändra dina val för de ytterligare datauppsättningar som genereras.

   • Schema för förutsägelse: om du vill kan du ställa in ett schema för hur din prognos ska köras. Mer information finns i Schemalägga prognoser.

4. Klicka på knappen Spara och stäng för att spara konfigurationen av prognosen och återgå till fönstret Prognoser för datauppsättning utan att köra prognosen.

   Alternativt kan du klicka på Spara och förutsäg nu för att spara prognoskonfigurationen och köra prognosen manuellt.

   När Senaste status visar "Lyckades" är prognoserna slutförda.

Köra prognoser

Du kan köra prognoser för befintliga prognoskonfigurationer från fönstret Prognoser för datauppsättning. Alternativt kanske du vill köra dina prognoser enligt ett anpassningsbart schema. Du kan kombinera manuella och schemalagda körningar av dina prognoser på det sätt som bäst passar dina behov.

Köra prognoser manuellt

Du kan börja köra en prognoskonfiguration direkt genom att välja alternativet på en snabbmeny i fönstret Prognoser för datauppsättning.

För att en användare ska kunna köra en förutsägelse manuellt måste den användaren uppfylla åtkomstkraven för åtgärden. Se Ägande till konfiguration av förutsägelser.

Gör följande:

1. I fönstret Prognoser för datauppsättning klickar du på ... på den prognoskonfiguration som du vill köra prognoser för.

2. Välj Kör prognoser nu på menyn Åtgärder för att börja generera prognoser.

   När Senaste status visar "Lyckades" är prognoserna slutförda.

Schemalägga prognoser

Prognoser kan ställas in så att de körs automatiskt enligt ett schema. Du kan skapa ett schema för varje prognoskonfiguration som du skapar. Öppna menyn Prognosschema när du skapar eller redigerar en prognoskonfiguration.

För schemalagda förutsägelser måste också ägaren av konfigurationen av förutsägelser uppfylla kraven. I annat fall kan inte förutsägelsen köras. Ägande till konfiguration av förutsägelser

I dialogrutan Prognosschema kan du ange följande parametrar för schemat:

• Körning av förutsägelser: justera det allmänna schema som prognosen ska köras enligt (dagligen, veckovis eller månadsvis). Ställ in intervallet eller dagen i veckan eller månaden beroende på vad du väljer.

• Tid: konfigurera den tid på dygnet då din prognos ska börja köras.

  Om du schemalägger per timme (för dagliga eller veckovisa prognoser) kan du också ange en start- och sluttid mellan vilka prognoserna ska köras.

• Startdatum: ange det datum då prognosschemat träder i kraft.

• Slutdatum: ange det datum då prognoserna ska sluta köras i schemat. Som standard kommer schemat att fortsätta att köras på obestämd tid, men du kan ange ett slutdatum för schemat.

• Kör bara om den tillämpade datauppsättningen har ändrats: om det inte har skett några förändringar i din tillämpade datauppsättning sedan den senaste prognosen kördes, kommer en schemalagd prognos inte att köras. Du kan stänga av den här inställningen om du vill att den schemalagda prognosen alltid ska köras oberoende av ändringar i data.

Radera prognoskonfigurationer

Du kan ta bort befintliga prognoskonfigurationer från fönstret Prognoser för datauppsättning.

Gör följande:

1. I fönstret Prognoser för datauppsättning klickar du på ... på den prognoskonfiguration som du vill ta bort.

2. Välj Ta bort prognoskonfiguration på menyn Åtgärder.

3. Klicka på Ta bort för att bekräfta.

Hantering av prognosjobb

Klientorganisationsadministratörer kan stoppa eller avbryta prognosjobb från aktivitetscentret för Administration. Mer information finns i Administrera Qlik AutoML.

Konfigurera meddelanden

Du kan få meddelanden när prognoser skapas från en ML-driftsättning. Mer information finns i Konfigurera meddelanden för Qlik AutoML.

Visning av detaljer om datadrift och prognoshändelser

När du har kört en prognos växlar du till fönstret för Övervakning av datadrifter för att visa detaljer om följande:

• Nivån på datadriften för varje funktion i den tillämpade datauppsättningen. Jämförelsen görs mellan ditt tillämpningsdataset och träningsdatasetet.

• Information om prognoshändelsen, t.ex. om den lyckades eller misslyckades och hur många prognoser den genererade.

Mer information finns i Övervakar distribuerade modellers prestation och användning.