Otomatik makine öğrenimine giriş

Qlik Predict ile makine öğrenimi sürecini analiz ekibiniz için otomatik hale getirin. Basit ve kod gerektirmeyen arayüz sayesinde modeller oluşturmak ve tahminler yapmak için kolaylıkla makine öğrenimi deneyleri oluşturabilirsiniz.

Makine öğrenimi nedir

Makine öğrenimi, yapay zeka ve veri biliminin, gelecekteki sonuçları tahmin etmek için geçmiş verilerdeki örüntüleri tanımaya odaklanan bir dalıdır. Algoritmalar, açıkça bu iş için programlanmadan, tahmine dayalı bir model oluşturmak için veri üzerinde eğitilir. Makine öğrenimi modeli şu tür soruları yanıtlamanıza yardımcı olabilir:

• Bir spor salonu müşterisi üyeliğini iptal edecek mi?

• Belirli bir müşteri için müşteri yaşam boyu değeri nedir?

Makine öğrenimini anlama bölümünden temel kavramlar hakkında daha fazla bilgi edinebilirsiniz. Aynı zamanda makine öğrenimi sorularını tanımlamak ve veri kümelerini hazırlamak için kullanılan yapısal çerçeve hakkında da bilgi edineceksiniz.

Otomatik makine öğrenimi ile yapabilecekleriniz

Qlik Sense içinde otomatik makine öğrenmesi deneyleri oluşturun. Analiz etkinlik merkezinde deney üzerinde diğer kullanıcılarla iş birliği yapabilir ve modeli eğitmek için Katalogdan verileri kolayca yükleyebilirsiniz.

Bulgularınızı paylaşmak için, tahmine dayalı analizlerinizi Qlik Sense uygulamalarıyla entegre edin. Farklı parametreleri değiştirdiğinizde bunun, istediğiniz sonucu nasıl etkileyebileceğini anlamak için görselleştirmeler ve etkileşimli olası durum senaryolarıyla daha fazlasını keşfedin.

Katalogda depolanan veri kümeleri için tahminlerde bulunabilir veya Qlik Sense API'lerini kullanarak gerçek zamanlı hazır tahminler yapabilirsiniz.

Deneyler nasıl çalışır

Deney, makine öğrenimi algoritmalarını belirli bir hedefi barındıran belirli bir veri kümesinde eğitir. Eğitim, tahmin yapmak için kullanabileceğiniz makine öğrenimi modelleri oluşturur.

Otomatik makine öğreniminde sürecin büyük bölümü otomatiktir. Bir deney oluşturup bir veri kümesi yüklediğinizde, veri kümesi otomatik olarak analiz edilir ve veriler, makine öğrenimine hazır olmaları için önceden işlenir. Bir hedef seçmenize yardımcı olmak için, her bir sütunla ilgili istatistikler ve diğer bilgiler gösterilir. Eğitimi başlattığınızda çeşitli algoritmalar verilerdeki örüntüleri aramaya başlar. Deney oluşturma ve eğitme hakkında daha fazla bilgi edinmek için bkz. Deneylerle çalışma.

Eğitim bittiğinde puanlar ve sıralamalar, oluşturulan makine öğrenimi modellerini değerlendirmenize olanak sağlar. Parametreleri değiştirerek ve eğitimi yineleyerek çok sayıda sürüm oluşturabilirsiniz. Veri kümeniz için en iyi performansı gösteren modeli seçin ve tahmin yapmak için modeli dağıtın. Daha fazla bilgi için bkz. ML dağıtımlarıyla çalışma.

Aşağıdaki resimde gösterildiği gibi, deneyin, her biri bir veya daha fazla algoritma kullanan birden çok sürümü olabilir. En iyi performanslı algoritmaya sahip olan model, tahmin yapmak için dağıtılabilir. Bu, bir deney sonunda birden çok ML dağıtımı gerçekleşebileceği anlamına gelir.

Qlik Predict sınırlamaları

Qlik Predict, ücretli bir ek özelliktir. Bazı sınırlı işlevler geçerli aboneliklere dahildir. Belirli özellikler ve kapasiteler abonelik katmanınıza bağlıdır.

• Qlik Predict modelinin dakikada 300 isteklik bir API hız sınırı vardır.

• Veri kümesindeki maksimum sütun sayısı: 500

  Bu, deneyleri eğitmede ve tahminler oluşturmada kullanılan veri kümeleri için geçerlidir. Sınır, bir deney sürümünde özellik olarak kullanılan sütun sayısıdır. Veri kümesi daha fazla sütunu içerebilir. Sınırlar, sütunlar veri kümesine dahil edilirken hesaplanır.