Gå till huvudinnehåll Gå till ytterligare innehåll

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.

Anteckning om information

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.

Mer information

Var den här sidan till hjälp för dig?

Om du hittar några fel på denna sida eller i innehållet – ett stavfel, ett steg som saknas eller ett tekniskt fel – berätta för oss så att vi kan blir bättre!