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.

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. Få din modell godkänd

    Innan du kan göra prognoser med ML-distributionen måste källmodellen aktiveras för att generera prognoser. Modellgodkännande kan ges av användare och administratörer med särskilda behörigheter.

    Godkänna distribuerade modeller

  3. Gör prognoser

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

    Skapa prognoser för datauppsättningar

  4. Visualisera de prediktiva insikterna

    Ladda in genererade prognosdata i en app och skapa visualiseringar.

    Visualisering av SHAP-värden i Qlik Sense-appar

  5. 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?

  6. 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)

Krav och behörigheter

I det här avsnittet listas användarkraven för att arbeta med ML -distributioner och de förutsägelser du gör med dem.

ML-distributioner

För att arbeta med ML-distributioner behöver du:

  • 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

  • Roll som krävs i det utrymme där ML-distributionen finns.

Mer information finns här:

Förutsägelser

För att skapa, redigera och radera förutsägelsekonfigurationer behöver du:

  • Användarrättighet Professional eller Full User

  • Säkerhetsrollen Automl Deployment Contributor

  • Roll som krävs i det utrymme där ML-distributionen finns.

Förutsägelser kan köras som batchförutsägelser (från en konfiguration av förutsägelse) eller realtidsförutsägelser. Du kan också använda Qlik AutoML-kopplingen för att köra förutsägelser.

För att köra förutsägelser med någon av de här metoderna behöver du:

  • Säkerhetsrollen Automl Deployment Contributor

  • Roll som krävs i det utrymme där ML-distributionen finns:

    • Delade utrymmen: användare med Användarrättighet Professional eller Full User behöver någon av rollerna Ägare, Kan hantera, Kan redigera eller Kan använda data i utrymmet. Användare med Analyzer-rättighet behöver någon av rollerna Ägare eller Kan använda data i utrymmet.

    • Hanterade utrymmen: användare med Användarrättighet Professional eller Full User behöver någon av rollerna Ägare, Kan hantera eller Kan använda data i utrymmet. Användare med Analyzer-rättighet behöver någon av rollerna Ägare eller Kan använda data i utrymmet.

  • För schemalagda förutsägelser som har konfigurerats med AutoML-användargränssnittet gäller också krav på ägaren av konfigurationen av förutsägelsen. Se: Ägande till konfiguration av förutsägelser

Förutsägelser som genererats från Qlik AutoML-gränssnittet 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.

Mer information finns här:

Modellgodkännande

För att aktivera och inaktivera den källdistribuerade modellen för en ML-distribution krävs specifika behörigheter. Dessa behörigheterna är beroende av om du utför åtgärderna som användare eller administratör. Mer information finns här:

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!