Veri kümeleriyle ilgili tahminler oluşturma

Yeni verilerle ilgili gelecekteki sonuçları tahmin etmek için ML dağıtımınızı kullanın.

Tahmin yapılandırmaları oluşturmaya başlamak için bir ML dağıtımı açın ve Veri kümesi tahminleri bölmesine gidin. bk. ML dağıtım arayüzünde gezinme.

Katalogdaki veri kümeleriyle ilgili tahminlerde (örneğin, yeni işlemlerle ilgili günlük tahminler) bulunabilirsiniz. Tahmin API'si aracılığıyla gerçek zamanlı olarak tahminde de bulunabilirsiniz. Tahmin API'siyle hakkında bilgi edinmek için bk. Gerçek zamanlı tahminler oluşturma.

Tahminler, tahminleri içeren bir veri kümesinde ve (sınıflandırma modelleri için) her sınıfın olasılığını içeren bir sütunda oluşturulur. İsteğe bağlı olarak SHAP değerleri veya hataları içeren veri kümeleri ve uygulama veri kümesinin kopyasını da oluşturabilirsiniz. Veri kümeleri Parquet, CSV veya QVD formatında olabilir.

Tahminler oluşturulduğunda Qlik Sense uygulamasına tahmin içgörülerini yükleyebilirsiniz. Bu, verileri görselleştirmenize, veri etkileşimi kurmanıza ve olası durum senaryoları oluşturmanıza olanak sağlar.

Başlamadan önce:

ML dağıtımınızla tahmin oluşturmaya başlamadan önce kaynak modelin etkinleştirilmesi gerekir. Daha fazla bilgi için bk. Dağıtılan modelleri onaylama.

Temel kavramlar

Uygulama veri kümesi

Deney eğitimi sırasında, yeni bir veri setiyle ilgili tahminler üretmek için kullanılan bir modeli dağıtın. Bu veri seti, uygulama veri seti olarak bilinir. Tahminler, tahminleri içeren bir veri kümesinde ve (sınıflandırma modelleri için) her sınıfın olasılığını içeren bir sütunda oluşturulur. İsteğe bağlı olarak SHAP değerleri veya hataları içeren veri kümeleri de oluşturabilirsiniz.

Uygulama veri kümesi, ML dağıtımını eğitmek için kullanılan veri kümesiyle aynı özelliklere ve veri türlerine sahip olmalıdır. ML deneyinde belirtilen hedef sütununun uygulama veri kümesine dahil edilmesi gerekmez. Model eğitiminin parçası olmayan ek sütunların yine de uygulama veri kümesinde bulunabileceğini unutmayın. AutoML tahminleri oluştururken ek sütunları yok sayar.

Otomatik özellik mühendisliği

Otomatik özellik mühendisliği kullanarak eğitilen modellerle tahmin üretme hakkında bilgi için bk. Otomatik özellik mühendisliği.

Tahmin yapılandırması

Tahmin veri setleri, bir tahmin yapılandırmasından üretilir. Her bir ML dağıtımında birden fazla tahmin yapılandırması olabilir. Tahmin yapılandırması, bir zamanlama ile veya zamanlama olmadan çalışacak şekilde ayarlanabilir.

Tahmin yapılandırması sahipliği

Tahmin yapılandırması oluşturan kullanıcılar, otomatik olarak sahip olarak atanır.

Aşağıda listede, bir tahmin yapılandırmasının çalışması için erişim gereklilikleri belirtilmiştir. Tahmin manuel olarak çalıştırılırsa tahminleri çalıştıran kullanıcının gereklilikleri karşılaması gerekir. Planlanmış tahminler için tahmin yapılandırmasının sahibinin gereklilikleri karşılaması gerekir.

• Kiracıdaki Professional veya Full User yetkilendirmesi ve Automl Deployment Contributor rolü. bk. Qlik AutoML ile kimler çalışabilir?

• ML dağıtımından tahmin çalıştırmak için alanda gereken izinler.

• Tahmin verilerinin kaydedildiği alanda veri kaynakları oluşturmak için gereken izinler.

Bir tahmin yapılandırmasının sahibi, kiracıya erişimini kaybedebilir veya ML dağıtımlarıyla çalışmak için diğer gereklilikleri artık karşılamıyor olabilir. Bu durumda, gerekli izinlere sahip bir kullanıcı, çalışabilmesini sağlamak üzere planlanmış tahminin sahipliğini almak için Beni sahip yap'a tıklayabilir. Bu, tahmin yapılandırması bölmesinde veya Veri seti tahminleri penceresinde eylem olarak yapılır.

Bu bölümde bahsedilen eylemlerden herhangi birine ilişkin alan izinleri gereklilikleri hakkında bilgi için bk. Paylaşılan alanlarda izinleri yönetme ve Yönetilen alanlarda izinleri yönetme.

Uygulama veri kümeleri için dikkat edilmesi gerekenler

Özellik türünü manuel olarak değiştirmenin etkisi

Bir özelliğin özellik türünü manuel olarak değiştirdiğinizde ve ardından ortaya çıkan bir modeli dağıttığınızda özellik türü geçersiz kılmaları, bu modelle yapılan tahminlerde kullanılan uygulama veri kümesindeki özelliğe uygulanacaktır.

Özellik türlerini değiştirme

Gereklilikler ve izinler

ML dağıtımları ve tahminleri ile çalışmaya ilişkin izin gereklilikleri hakkında bilgi almak için bk. ML tahminleriyle çalışma.

Yeni tahminler oluşturma

Yeni tahmin yapılandırmalarını Dağıtım genel bakışı bölmesinden ve Veri kümesi tahminleri bölmesinden oluşturabilirsiniz.

Aşağıdakileri yapın:

1. Katalogdan bir ML dağıtımı açın.

2. Sağ alt kısımda Tahmin oluştur seçeneğine tıklayın.

3. Tahmin yapılandırması bölmesinde Uygulama verileri bölümünü genişletin ve Uygulama veri kümesini seç'e tıklayın.

4. Tahminlerin oluşturulacağı bir veri kümesi seçin. Veri kümesi, Model şeması ile aynı özelliklere ve veri türlerine sahip olmalıdır.

   Veri kümeleri Analiz etkinlik merkezindeki Oluştur sayfası üzerinden yüklenebilir.Ayrıca tahminler için veri kümesi seçme sayfasından Kataloğa doğrudan yeni bir veri kümesi yükleyebilirsiniz. Bu veri kümesi daha sonra tahmininizde kullanılmak üzere uygulama veri kümesi olarak otomatik seçilecektir. Bunu yapmak için Uygulama veri kümesi ekle seçeneğine tıklayın ve yüklenecek dosyayı seçin.

5. Tahmin veri kümesi bölümünde Tahmin veri kümesini adlandır seçeneğine tıklayın.

6. Bir ad girin (veya varsayılan adı kabul edin).

   Qlik AutoML, tahmin veri kümeleri için dinamik dosya adlandırmasını destekler. Daha fazla bilgi için bk. Tahmin veri kümesi dosya adlarında değişken kullanma.

7. Oluşturulan veri kümeleri için bir biçim seçin. Varsayılan biçim Parquet olacaktır. Veri kümeleri CSV veya QVD biçiminde de oluşturulabilir.

8. Alan seçin.

9. Onayla'ya tıklayın.

10. Tahmin seçenekleri bölümünde oluşturmak istediğiniz ek veri kümelerini seçin.

    • Hatalar veri kümesi: Uygulama veri kümesindeki kayıtlar için hataları içeren bir veri kümesi oluşturun. Bu, kayıtların hangi nedenle bırakıldığını size bildirir:

    • SHAP: Her kayıt için SHAP değerlerini içeren bir veri kümesi oluşturun. Veri kümesi, modeldeki her özellik için index ve <feature>_SHAP sütununu barındırır.

      Bilgi notuBu seçenek çok sınıflı sınıflandırma modellerinden elde edilen tahminler için kullanılamaz. Bu modeller için bunun yerine SHAP'i Koordine Et seçeneğini kullanabilirsiniz.

    • Koordinat SHAP: Her kayıt için SHAP değerlerini içeren bir veri kümesi oluşturun. Bu, SHAP veri kümesi ile aynı değerleri farklı bir biçimde düzenlenmiş olarak sunar. Veri setinde index, automl_feature ve SHAP_value sütunları vardır.Ek bir sütun olan Predicted_class, çok sınıflı bir sınıflandırma modelinden elde edilen tahminleri içerir.

11. Dizin sütunun otomatik mi oluşturulacağını yoksa uygulama kümesindeki mevcut bir sütunun mu kullanılacağını seçin.

12. Tahminleri bir zamanlamaya göre çalıştırmak da isteyebilirsiniz. Tahmin zamanlaması bölümünde Zamanlama oluştur seçeneğine tıklayın ve görüntülenen diyalog penceresinde ayarları belirleyin. Daha fazla bilgi için bk. Tahminleri zamanlama.

13. Tahmin yapılandırmanızı kaydetmek için Kaydet ve kapat düğmesine tıklayın ve tahmini çalıştırmadan Veri kümesi tahminleri bölmesine dönün. Bu seçeneği, sadece tahminlerin zamanlamaya göre çalıştırılmasını istediğinizde kullanın.

    Bunun yerine tahmin yapılandırmasını kaydetmek ve tahmini el ile çalıştırmak için Kaydet ve şimdi tahmin et seçeneğine tıklayabilirsiniz.

    Son durum "Başarılı" olarak görüntüleniyorsa bu, tahminlerin bittiği anlamına gelir.

14. Oluşturulan veri kümelerini görüntülemek için Katalog bölümüne gidin.

Tahmin yapılandırmalarını düzenleme

Mevcut tahmin yapılandırmalarını Veri kümesi yapılandırmaları bölmesinde düzenleyebilirsiniz.

Aşağıdakileri yapın:

1. Veri kümesi tahminleri bölmesinde düzenlemek istediğiniz tahmin yapılandırmasında ... işaretine tıklayın.

2. Eylemler menüsünden Tahmin yapılandırmasını düzenle seçeneğini belirleyin.

3. Tahmin yapılandırması bölmesinde şu bölümlerde düzenleme yapabilirsiniz:

   • Verileri uygula: Uygulama veri kümesini değiştirebilirsiniz.

   • Tahmin veri kümesi: Tahmin veri kümesinin adını ve alanını değiştirebilirsiniz.

   • Tahmin seçenekleri: Oluşturulan ek veri kümelerine ait seçimlerinizi değiştirebilirsiniz.

   • Tahmin zamanlaması: Dilerseniz tahmininizin çalıştırılması için bir zamanlama ayarlayabilirsiniz. Daha fazla bilgi için bk. Tahminleri zamanlama.

4. Tahmin yapılandırmanızı kaydetmek için Kaydet ve kapat düğmesine tıklayın ve tahmini çalıştırmadan Veri kümesi tahminleri bölmesine dönün.

   Bunun yerine tahmin yapılandırmasını kaydetmek ve tahmini el ile çalıştırmak için Kaydet ve şimdi tahmin et seçeneğine tıklayabilirsiniz.

   Son durum "Başarılı" olarak görüntüleniyorsa bu, tahminlerin bittiği anlamına gelir.

Tahminleri çalıştırma

Mevcut tahmin yapılandırmaları için tahminleri, Veri kümesi tahminleri bölmesinden çalıştırabilirsiniz. Bunun yerine tahminlerinizi özelleştirebilir bir zamanlamaya göre çalıştırmak isteyebilirsiniz. Manuel ve zamanlanmış çalıştırmaları, gereksinimlerinize uygun şekilde bir arada kullanabilirsiniz.

Tahminleri manuel olarak çalıştırma

Veri kümesi tahminleri bölmesindeki bağlam menüsünde yer alan bir seçeneği kullanarak tahmin yapılandırmasını doğrudan çalıştırmaya başlayabilirsiniz.

Bir kullanıcının manuel olarak tahmin çalıştırması için ilgili eyleme yönelik erişim gerekliliklerini karşılaması gerekir. Bk. Tahmin yapılandırması sahipliği.

Aşağıdakileri yapın:

1. Veri kümesi tahminleri bölmesinde, tahminlerini çalıştırmak istediğiniz tahmin yapılandırmasına ait ... simgesine tıklayın.

2. Tahminleri oluşturmaya başlamak için Eylemler menüsünde Tahminleri şimdi çalıştır seçeneğini belirleyin.

   Son durum "Başarılı" olarak görüntüleniyorsa bu, tahminlerin bittiği anlamına gelir.

Tahminleri zamanlama

Tahminleri bir zamanlamaya göre otomatik çalıştırılacak şekilde ayarlanabilir. Oluşturduğunuz her tahmin yapılandırması için bir zamanlama oluşturabilirsiniz. Tahmin yapılandırmasını oluştururken veya düzenlerken Tahmin zamanlaması menüsüne gidin.

Planlanmış tahminlerin başarıyla çalışması için tahmin yapılandırmasının sahibinin birtakım izin gerekliliklerini karşılaması gerekir. Aksi takdirde tahmin çalışamaz. Daha fazla bilgi için bk. Tahmin yapılandırması sahipliği.

Tahmin zamanlaması diyalog penceresi, zamanlamanız için şu parametreleri belirlemenize olanak sağlar:

• Tahminleri çalıştır: Tahminin çalıştırılacağı genel zamanlamayı (günlük, haftalık veya aylık) ayarlayın. Seçiminize bağlı olarak aralığı, haftanın gününü veya ayın gününü belirleyin.

• Zaman: Tahmininizin günün hangi saatinde çalıştırılacağını yapılandırın.

  Günlük veya haftalık tahminlerde saate göre zamanlama yapıyorsanız tahminlerin çalıştırılacağı başlangıç ve bitiş saatini belirtebilirsiniz.

• Başlangıç tarihi: Tahmin zamanlamasının etkili olacağı tarihi belirleyin.

• Bitiş tarihi: Tahminlerin zamanlamaya göre çalışmayı durduracağı tarihi belirleyin. Varsayılan olarak, zamanlama süresiz olarak çalışmaya devam edecek şekilde ayarlanır ancak zamanlama için bir bitiş tarihi belirtebilirsiniz.

• Yalnızca veri kümesi değiştiğinde çalıştır: Son tahmin çalıştırma tarihinden sonra uygulama veri kümenizde hiçbir değişiklik yapılmadıysa zamanlanan tahmin çalıştırılmaz. Zamanlanan tahmini, verilerde değişiklik yapılıp yapılmadığından bağımsız olarak her zaman çalıştırmak istiyorsanız bu ayarı kapatabilirsiniz.

Tahmin yapılandırmalarını silme

Mevcut tahmin yapılandırmalarını Veri kümesi tahminleri bölmesinden silebilirsiniz.

Aşağıdakileri yapın:

1. Veri kümesi tahminleri bölmesinde, silmek istediğiniz tahmin yapılandırmasında ... işaretine tıklayın.

2. Eylemler menüsünde Tahmin yapılandırmasını sil seçeneğini belirleyin.

3. Onaylamak için Sil'e tıklayın.

Tahmin işlerini yönetme

Kiracı yöneticileri, Yönetim etkinlik merkezinden tahmin işlerini başlatıp durdurabilir. Daha fazla bilgi için bk. Qlik AutoML yönetimi.

Bildirimleri yapılandırma

ML dağıtımından tahminler oluşturulduğunda bildirim alabilirsiniz. Daha fazla bilgi için bk. Qlik AutoML için bildirimleri yapılandırma.

Veri kayması ve tahmin olayı ayrıntılarını görüntüleme

Bir tahmini çalıştırdıktan sonra, aşağıdakilerle ilgili ayrıntıları görüntülemek için Veri kayması izleme bölmesine geçin:

• Uygulama veri kümesindeki her bir özellik için veri kayması seviyesi. Karşılaştırma, uygulama veri kümeniz ile eğitim veri kümesi arasında gerçekleştirilir.

• Tahmin olayı hakkında, başarılı veya başarısız olması ve kaç tahmin oluşturduğu gibi ayrıntılar.

Daha fazla bilgi için bk. Dağıtılan modellerin performansını ve kullanımını izleme.