Maskininlärning med Qlik Predict
Automatiserad maskininlärning hittar mönster i dina data och använder dem för att göra förutsägelser om framtida data. Maskininlärningsexperiment i Qlik Cloud Analytics låter dig samarbeta med andra användare och integrera dina prediktiva analyser i Qlik Sense-applikationer. Förutom att göra förutsägelser kan du göra en djupgående analys av de viktigaste funktionerna som påverkar det förutsagda utfallet.
Ladda historiska data från katalogen, starta den automatiserade maskininlärningsprocessen och välj sedan den maskininlärningsmodell som passar bäst för ditt användningsfall. Distribuera modellerna för att göra förutsägelser om utfallet av affärsproblem. Utforska variablerna som påverkar det förutsagda utfallet och få en grundlig förståelse för dina data.
Alternativt kan utvecklare integrera Qlik Predict-funktioner i sina egna arbetsflöden med hjälp av API för maskininlärning. För en handledning som hjälper dig att komma igång, se Handledning i automatiserad maskininlärning.
Qlik Cloud Government stöder inte Qlik Predict.
Komma igång med maskininlärning
Förstå maskininlärning
Lär dig om de grundläggande koncepten bakom maskininlärning och varför du kanske vill använda det.
Definiera maskininlärningsfrågor
Lär dig hur du definierar din maskininlärningsfråga och följer det strukturerade ramverket.
Förbereda ett träningsdataset
Lär dig hur du förbereder ditt dataset för användning vid träning av maskininlärningsmodeller.
Qlik Predict-begränsningar och kapaciteter
Lär dig om riktlinjer och gränser som gäller för Qlik Predict och Qlik Cloud-plattformen.
Arbeta med experiment
Arbeta med ML-experiment
Få en översikt över den automatiserade maskininlärningsprocessen och börja skapa experiment.
Arbeta med tidsserieexperiment
Lär dig hur du tränar modeller för att utföra tidsspecifika prognoser.
Tolka modellprestanda
Lär dig om de modellmått som är tillgängliga för att poängsätta prediktiva modeller.
Förfining av modeller
Hur kan du förbättra din prediktiva modell? Läs mer här.
Arbeta med ML-distributioner
Distribuera modeller
När du har tagit fram en modell som är redo för förutsägelser på nya data, distribuera den till en ML-distribution.
Arbeta med ML-distributioner
Lär dig om att distribuera modeller, hantera ML-distributioner och aktivera distribuerade modeller för förutsägelser.
Arbeta med förutsägelser
Arbeta med förutsägelser
Lär dig hur du använder din ML-distribution för att skapa förutsägelser med hjälp av gränssnittet eller API:et.
Skapa batchförutsägelser
Använd gränssnittet för ML-distribution för att generera dataset med prediktiva data.
Generera SHAP-dataset under förutsägelser
Förstå hur du använder SHAP-värden för att förstå de viktigaste drivkrafterna bakom dina data när du gör förutsägelser.
Skapa realtidsförutsägelser
Lär dig hur du får åtkomst till och använder Machine Learning API för att generera realtidsförutsägelser på en eller en handfull rader med data.
Göra förutsägelser med Qlik Predict-analyskopplingen
Använd Qlik Predict-analyskopplingen för att kommunicera med din distribution och göra förutsägelser direkt i applikationer och skript.
Praktiska handledningar och guider
Introduktionskurs – Generera och visualisera förutsägelsedata
Den här handledningen visar hur du skapar och tränar ett experiment, distribuerar en modell och genererar förutsägelser, samt visualiserar förutsägelsedata i en Qlik Sense-applikation.
Handledning — Förutsäga försäljning med multivariata tidsserieprognoser
Den här handledningen leder dig genom processen att träna, distribuera och göra förutsägelser med modeller som kan utföra tidsspecifika prognoser.
Qlik Predict-videor
Titta på några av våra korta videor för att komma igång med maskininlärning.
Exempel – Konsekvensanalys med analyskopplingen Qlik Predict
Utforska ett verkligt vad-händer-om-scenario från början till slut i det här exemplet.
Qlik Predict-videor
Titta på några av våra korta videor för att komma igång med maskininlärning.