Skapa realtidsprognoser
Använd din ML-driftsättning för att förutsäga framtida resultat med nya data.Du skapar realtidsprognoser med hjälp av slutpunkten för realtidsprognoser i API:t för maskininlärning.
Prognoser kan göras i realtid, t.ex. beslut i realtid om kundrabatter i kassan. 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.
API:t för realtidsprognoser har fasats ut och ersatts av slutpunkten för realtidsprognoser i API:t för maskininlärning. Funktionaliteten i sig är inte utfasad. För framtida realtidsprognoser, använd slutpunkten för realtidsprognoser i API:et för maskininlärning.
Skapa realtidsprognoser med API:t
Rutan Prognoser i realtid i gränssnittet för ML-distribution ger dig tillgång till slutpunkten för realtidsprognoser i API:t för maskininlärning.
Slutpunkten för realtidsprognoser är en tvåvägskommunikation mellan AutoML och andra funktioner i Qlik Cloud – inklusive Qlik Sense och Automations – samt externa program. Du kan använda slutpunkten för att programmera prognoser genom att skicka data till en modell och hämta prognosresultaten i realtid.
Krav
-
Det krävs en API-nyckel för att använda slutpunkten för realtidsprognoser. En användare måste ha rollen Developer i klientorganisationen för att kunna generera en API-nyckel.
Se API för maskininlärning för mer information om API för prognoser.
-
Källmodellen för den ML-distribution du använder måste vara aktiverad för att du ska kunna generera prognoser. Mer information finns här:
-
Du behöver rätt behörigheter för att arbeta med ML-distributioner och prognoser. Detta inkluderar säkerhetsroller och utrymmesroller. Se Arbeta med ML-prognoser.
Visa detaljer om datadrift och prognoshändelser
När du har kört en realtidsprognos öppnar du ML-distributionen och växlar till fönstret för Övervakning av datadrift. I den här vyn kan du utvärdera:
-
Nivån på datadriften för varje funktion i prognosen. Jämförelsen görs mellan de data som du skickar till AutoML:s API för realtidsprognoser 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.