Generering av datumfunktioner

Qlik Predict genererar autogenererade funktioner från passande kolumner med datumfunktionstypen, som har fastställts innehålla datum- och tidsinformation. Autogenererade datumfunktioner och de överordnade funktioner som de härleds från markeras med en -ikon.

När Qlik Cloud Analytics profilerar den träningsdatauppsättning som du har valt att använda i Qlik Predict länkar den vissa datatyper till datumfunktionstypen. Det här omfattar följande datatyper:

Datum
DATUM/TID
Tid
Tidsmarkör

Funktioner som tilldelas någon av dessa datatyper under profileringen tilldelas datumfunktionstypen. Mer information om de tillgängliga profilstatistiken som kan visas för dina datafält finns i Listvy.

Qlik Predict visar om möjligt en lista över autogenererade funktioner som kan skapas från passande överordnade funktioner som har datumfunktionstypen. Autogenererade datumfunktioner inkluderas som standard i experimentet. Om du väljer att inkludera dem genereras de nya funktionerna efter v1 av experimentet.

Vi rekommenderar att modeller som tränats före 29 augusti 2023 tränas om de innehåller funktioner som innehåller datum eller tidsstämplar.

Autogenererade datumfunktioner har den numeriska funktionstypen. De ingår som standard i experimentet, men är valfria. Du kan ta bort några eller alla av dem innan du börjar med experimentträningen, eller när du konfigurerar nästa experimentversion. När autogenererade datumfunktioner inkluderas tas den ursprungliga överordnade datumfunktionen bort från experimentet.

Du kan istället inkludera den överordnade datumfunktionen som en kategorisk eller numerisk funktion. När du gör detta är de automatiskt konstruerade datumfunktionerna inte längre användbara. Vi rekommenderar oftast att du använder tillgängliga autogenererade funktioner i ditt experiment, eftersom de förbättrar prestandan hos dina maskininlärningsmodeller. Det kan dock finnas scenarier där en kolumn identifieras som en datumfunktion men du vill att den ska behandlas som kategorisk eller numerisk. I dessa fall kan du manuellt ändra funktionstypen.

Autogenererade datumfunktioner räknas inte mot Qlik Predict-datauppsättningens storlek (maximalt cellantal för träningsdatauppsättningar och tillämpade datauppsättningar) som har angetts i din Qlik Cloud-prenumeration. Bara de ursprungliga datumkolumncellerna räknas.

Schemavy i experimentträning som visar den överordnade funktionen som identifieras som en datumfunktion med de möjliga autogenererade funktioner som kan skapas från den. — Schemavy som visar autogenererade funktioner som kan genereras från en överordnad datumfunktion "Invoice Date". Lägg märke till skillnaden mellan Datumtyp och Funktionstyp för varje funktion.

Använda en datumfunktion som experimentmål

I de sällsynta fall då du vill använda en funktion med datum- och tidsinformation som mål för ditt experiment kommer funktionstypen för kolumnen att växlas från datum till kategorisk och de autogenererade funktionerna kommer att tas bort. Om du väljer ett annat mål och senare skulle vilja lägga till datum- och tidsfunktionen som en vanlig funktion kommer du att behöva ändra tillbaka den till datumfunktionstypen manuellt vid behov. Om du returnerar funktionen till datumfunktionstypen genereras de autogenererade datumfunktionerna igen.

Mer information om hur man ändrar funktionstyper finns i Ändra funktionstyper.

Tillgängliga autogenererade datumfunktioner

När du genererar autogenererade datumfunktioner från en kolumn i din datauppsättning extraherar och beräknar Qlik Predict specifika komponenter för varje datum- och datum-tidvärde så att varje komponent isoleras i sin egen kolumn. I nedanstående tabell listas de autogenererade funktioner som kan genereras av Qlik Predict.

Lista över autogenererade funktioner som kan genereras från en datum- och tidsfunktion
autogenererad funktion	Datatyp	Funktionstyp	Beskrivning
År	Heltal	Numerisk	Årsfält som parsas direkt från källdatumet eller tidsstämpeln.
Månad	Heltal	Numerisk	Månadsfält som parsas direkt från källdatumet eller tidsstämpeln.
Dag	Heltal	Numerisk	Dagsfält som parsas direkt från källdatumet eller tidsstämpeln.
Timme	Heltal	Numerisk	Timfält som parsas direkt från källtidsstämpeln.
MINUT	Heltal	Numerisk	Minutfält som parsas direkt från källtidsstämpeln.
SEKUND	Heltal	Numerisk	Andra fält som parsas direkt från källtidsstämpeln.
VECKODAG	Heltal	Numerisk	Veckodag, beräknat från källdag, -månad och -år
VECKA	Heltal	Numerisk	Vecka på året, beräknat från källdag, -månad och -år

För varje ny funktion som skapas läggs ett suffix till originalkolumnnamnet av den aktuella autogenererade funktionen.

Funktionsavsnitt i konfigurationsrutan för experiment som visar autogenererade funktioner. — Autogenererade datumfunktioner i experimentkonfigurationspanelen

Automatiskt framtagna datumfunktioner och tidsseriemodeller

När du väljer en datumindexkolumn för ett tidsserieexperiment används datumfunktionstypen för denna kolumn. Däremot stöds inte datumfunktionsframtagning för tidsseriemodeller. Automatisk datumfunktionsframtagning är inte tillgänglig att härledas från kolumnen.

Mer information om tidserieproblem finns i Arbeta med tidsserieexperiment och Arbeta med multivariat tidsserieprognostisering.

Autogenererade datumfunktioner i förutsägelser

Mer information om hur du arbetar med datumfunktioner när du kör förutsägelser finns i Arbeta med datumfunktioner i prognoser.

Mer information

Automatisk egenskapsgenerering

Autogenererade datumfunktioner i förutsägelser

Autogenererade datumfunktioner genereras när träningsdatauppsättningen används för att skapa en modell som distribueras och används som ML-distribution för att göra prognoser på nya data (tillämpningsdatauppsättningen).

När en modell som tränats med autogenererade datumfunktioner distribueras för att göra prognoser behöver tillämpningsdatauppsättningen som du genererar prognoser på inkluderade autogenererade datumfunktioner. Qlik Predict genererar de autogenererade funktionerna för den tillämpade datauppsättningen innan prognoser görs. Men tillämpningsdatauppsättningen måste inkludera den överordnade datumfunktionen och kolumnen måste ha profileras för att ha någon av datatyperna Date, Datetime, Timestamp eller Time.

Prognosdatauppsättningarna som skapas av en ML-distribution, inklusive SHAP och tillämpningsdatauppsättningar kommer att inkludera de autogenererade datumfunktionerna.

Autogenererade datumfunktioner i realtidsförutsägelser

För att slutpunkten för realtidsprognoser i API:t för maskininlärning ska kunna bearbeta dina datum- och tidsstämpelsfält måste JSON-nyttolasten som du skickar till slutpunkten uppfylla nedanstående krav:

Date- och datetime-värdena måste vara strängar som är formaterade enligt ISO 8601-standarderna. Exempel:
- 2020-01-14
- 2020-01-14T00:00:00.000Z
Överordnat datum – den funktion från vilken datumdelarna härleddes – måste inkluderas i sin helhet. Till exempel kanske din modell bara använder en Year-funktion, men du måste ändå ange datumet i ISO 8601-kompatibelt format.
Data inom varje kolumn måste vara inom samma tidszon.

De data som du använder för att träna din modell behöver inte följa de här kraven.

API:t för realtidsprognoser har fasats ut och ersatts av slutpunkten för realtidsprognoser i API för maskininlärning. Funktionaliteten i sig är inte utfasad. För framtida realtidsprognoser, använd slutpunkten för realtidsprognoser i API för maskininlärning. För hjälp med att migrera från API:et för realtidsprognoser till API för maskininlärning, se migreringsguiden på Qlik Cloud utvecklarportalen.

Var den här sidan till hjälp för dig?

Om du stöter på några problem med den här sidan eller innehållet på den, t.ex. ett stavfel, ett saknat steg eller ett tekniskt fel – meddela oss!

Lämna din feedback här