Gå till huvudinnehåll Gå till ytterligare innehåll

Arbeta med ML-driftsättningar

När du har tränat och förfinat en modell kan du driftsätta modellen för att göra prognoser.

ML-distributioner kan skapas i personliga, delade och hanterade utrymmen.

Krav och behörigheter

För att arbeta med ML-distributioner och de konfigurationer av förutsägelser som finns i dem måste du ha följande:

  • Användarrättighet Professional eller Full User

  • Visa och skapa ML-distributioner: Säkerhetsrollen Automl Deployment Contributor eller Automl Experiment Contributor

  • Redigera och ta bort ML-distributioner: Säkerhetsrollen Automl Deployment Contributor

  • Konfigurera och köra förutsägelser från ML-distributionen: Säkerhetsrollen Automl Deployment Contributor

  • Nödvändiga behörigheter i utrymmet där ML-distributionerna finns.

Förutsägelser skapas som datauppsättningar. Därför gäller samma krav för att arbeta med datakällor i Qlik Cloud och för att arbeta med utdata från förutsägelser (till exempel att använda dem i en Qlik Sense-app). Du måste ha rollen Private Analytics Content Creator för att skapa datauppsättningar i ditt personliga utrymme.

För schemalagda förutsägelser gäller också krav på ägaren av konfigurationen av förutsägelsen.

Mer information finns här:

Arbetsflöde

Följande steg är ett exempel på hur du arbetar med ML-driftsättningar och prognoser.

  1. Driftsätt din modell

    Driftsätt den modell som du vill använda för att göra prognoser.

    Användning av modeller

  2. Gör prognoser

    Gör manuella eller schemalagda prognoser för datauppsättningar eller använd API:et för prognoser.

    Skapa prognoser för datauppsättningar

  3. Visualisera de prediktiva insikterna

    Ladda in genererade prognosdata i en app och skapa visualiseringar.

    Visualisering av SHAP-värden i Qlik Sense-appar

  4. Utforska data med scenarier

    Integrera API:et för prognoser i en app för att få prognoser i realtid. Detta gör det möjligt att testa scenarier genom att ändra värden för funktioner och få fram förutsedda resultat för de nya värdena. Posten skickas till ML-driftsättningen via API och ett svar tas emot i realtid. Vad skulle till exempel hända med risken för kundförlust om vi ändrade typen av plan eller höjde grundavgiften?

  5. Vidta åtgärder

    Analysera de prediktiva insikterna och scenarierna för att ta reda på vilka åtgärder du ska vidta. Qlik programautomatisering hjälper dig att automatisera åtgärderna och tillhandahåller specifika mallar för användningsområden för maskininlärning. Mer information om automatiseringar finns i Qlik programautomatisering. (endast på engelska)

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!