Qlik Predict begränsningar och kapaciteter

Denna sida visar allmänna begränsningar och kapaciteter för Qlik Predict-funktionalitet. För kapaciteter som är specifika för enskilda Qlik Cloud-prenumerationer, se Qlik Pricing och Qlik Cloud® Subscriptions eller kontakta din Qlik kontorepresentant.

Allmänna begränsningar

• Qlik Predict har en API-gräns på 300 förfrågningar per minut.

• Maximalt antal kolumner i datauppsättningen: 500

  Detta gäller både för träningsdata och tillämpningsdata. För träningsdatauppsättningar är gränsen antalet kolumner som används som funktioner i en experimentversion. Fler kolumner kan finnas i källdatauppsättningen. Du kan till exempel ha en datauppsättning med 501 kolumner. Datauppsättningen kan fortfarande användas för träning om du tar bort en funktion under experimentkonfigurationen.

• Alla tvådimensionella datastrukturer som kan laddas upp och profileras i Qlik Cloud stöds för användning i Qlik Predict.

  För filer med flera tabeller, t.ex. Microsoft Excel filer med flera ark, importeras endast den första tabellen. Om dataprofilering misslyckas för en tabell (t.ex. om den är tom) stöds filen inte.

Begränsningar för träningsdatauppsättning och profilering

Detta delavsnitt listar skyddsräcken som tillämpas på storlekar för träningsdatauppsättningar i Qlik Predict.

Tänk på följande:

• Begränsningarna gäller endast de data som ingår i experimentversionen: alla inkluderade funktioner, inklusive målkolumnen.

• Begränsningarna gäller antingen allmän dataprofilering över hela Qlik Cloud-plattformen, eller är specifika för Qlik Predict.

• Begränsningarna är maximala kapaciteter. Gränserna för din Qlik Cloud-prenumeration kan vara lägre.

Datasetstorleksgränser för träning

Dessa gränser är tekniska kapaciteter för storleken, antalet celler och antalet inkluderade kolumner i träningsdatauppsättningar.

Dessutom är viss träningsfunktionalitet endast tillgänglig för datauppsättningar under specifika storlekar och cellantal.

Begränsningar för profilering

När du lägger till en träningsdatauppsättning i ett experiment analyseras den av Qlik Cloud dataprofilering för att uppskatta olika statistik (som cellantal och antal unika värden). Efter att ha kört en experimentversion utförs Qlik Predict förbearbetning, vilket ibland resulterar i ändringar av viss statistik.

För stora datamängder – de som överstiger 1 GiB – profileras data delvis. Detta kan göra att vissa uppskattade statistikvärden – till exempel antal rader, celler, distinkta värden och nullvärden – ändras efter att träningen har körts.

Som ett resultat kan du med vissa stora datamängder uppleva följande träningsfel:

• Träningen misslyckas på grund av att en datamängd överskrider det cellantal som tillåts av prenumerationen, även om inga fel fanns vid profileringen.

• Träningen misslyckas eftersom antalet nullvärden överskrider den maximalt tillåtna tröskeln, även om inga fel fanns vid profileringen.

• Den uppskattade experimenttypen är inkompatibel med träningsdatauppsättningen, trots att inga fel fanns vid profilering.

För felsökningssteg som du kan följa för att minska din datauppsättningsstorlek, se Felsökning – Qlik Predict.