Maskininlärning med Qlik Predict
Automatiserad maskininlärning hittar mönster i dina data och använder dem för att utforma prognoser om framtida data. Med hjälp av maskininlärningsexperiment i Qlik Cloud Analytics kan du samarbeta med andra användare och integrera dina prognosanalyser i Qlik Sense-appar. Förutom att göra prognoser kan du göra en djupgående analys av de viktigaste funktionerna som påverkar det förutspådda resultatet.
Ladda historiska data från katalogen, starta den automatiserade maskininlärningsprocessen och välj sedan den maskininlärningsmodell som bäst passar ditt användningsområde. Distribuera modellerna att göra prognoser om resultaten av olika affärsproblem. Utforska variablerna som påverkar det förväntade resultatet och skaffa dig en djupgående förståelse av dina data.
Alternativt kan utvecklare integrera Qlik Predict-funktioner i sina egna arbetsflöden med hjälp av API för maskininlärning. Se Introduktionskurs om automatiserad maskininlärning för en introduktionskurs som hjälper dig att komma igång.
Qlik Cloud Government stöder inte Qlik Predict.
Komma igång med maskininlärning
Grunderna för maskininlärning
Lär dig om de grundläggande koncepten bakom maskininlärning och varför du kanske vill använda det.
Definiera frågor för maskininlärning
Lär dig hur du definierar din maskininlärningsfråga och följer det strukturerade ramverket.
Förbereda en träningsdatauppsättning
Lär dig hur du förbereder din datauppsättning för användning vid träning av maskininlärningsmodeller.
Arbeta med experiment
Arbeta med ML-experiment
Få en översikt över den automatiserade maskininlärningsprocessen och börja skapa experiment.
Arbeta med tidsseriedexperiment
Lär dig hur du tränar modeller för att utföra tidsspecifik prognostisering.
Tolkning av modellens prestanda
Lär dig mer om de modellmått som finns tillgängliga för att poängsätta prediktiva modeller.
Förfining av modeller
Hur kan du förbättra din prediktiva modell? Läs mer här.
Arbeta med ML-distributioner
Användning av modeller
När du har producerat 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 prognoser.
Arbeta med prognoser
Arbeta med prognoser
Lär dig hur du använder din ML-distribution för att skapa prognoser med hjälp av gränssnittet eller API:et.
Skapa batchprognoser
Använd gränssnittet för ML-distribution för att generera datauppsättningar med prediktiv data.
Generera SHAP-datauppsättningar under förutsägelser
Förstå hur du använder SHAP-värden för att förstå de viktigaste drivkrafterna bakom dina data när du gör förutsägelser.
Skapa realtidsprognoser
Lär dig hur du får åtkomst till och använder Machine Learning API för att generera förutsägelser i realtid på en eller ett fåtal datarader.
Predicting med Qlik Predict-koppling för analys
Använd Qlik Predict-koppling för analys för att kommunicera med din distribution och göra förutsägelser direkt i appar och skript.
Praktiska självstudier och guider
Introduktionskurs – Generera och visualisera förutsägelsedata
I den här introduktionskursen får du veta hur man skapar och tränar ett experiment, distribuerar en modell och genererar prognoser samt visualiserar prognosdata i en Qlik Sense-app.
Självstudie – Prognostisera försäljning med multivariat tidsserieprognostisering
Den här självstudien går igenom processen för träning, distribuering och prognostisering med modeller som kan utföra tidsspecifika prognoser.
Qlik Predict-videor
Titta på några av våra korta videor för att komma igång med maskininlärning.