Zaman kullanan modeller oluşturma

Zamana duyarlı eğitimle, eğitim verilerinizde bulunan zamana dayalı bir sütunun tamamında verileri tahmin etmek için donatılmış modeller oluşturabilirsiniz. Bu zamana dayalı sütundan etkilendiği bilinen bir hedef üzerinde tahminler yapmanız gerekiyorsa zamana duyarlı eğitimi etkinleştirin.

Zamana duyarlı eğitim, eğitim verilerine özel veri işleme uygulayarak veri sızıntısını azaltmaya yardımcı olur. Bu işlem, makine öğrenimi algoritmalarının verileri ve tahmine dayalı bağlamı, belirli bir tarih veya zaman boyutuna bağlı olarak daha iyi yorumlamasına olanak tanır.

Zamana duyarlı modelleri eğitmek için eğitim veri kümenizde tarih veya zaman damgası verilerini içeren bir sütuna ihtiyacınız vardır. Bu sütun, eğitimden önce veri kümesini sıralamak için kullanılan tarih dizinidir. Tarih dizini hakkında daha fazla bilgi için bk. Tarih dizini gereklilikleri.

Zamana duyarlı eğitimi kullanma zamanı

Zamana duyarlı model eğitimi, eğitimde zaten mevcut olan bir zaman metriği üzerinden değişiklikleri tahmin eden modeller için idealdir. Örneğin:

• Gelecek ay için satışlarınızı tahmin etmek istiyorsunuz ve veri kümenizde bir İşlem Tarihi sütunu var.

• Geç sevkiyat teslimatlarına ilişkin metrikleri tahmin etmek istiyorsunuz ve veri kümenizde Teslim Tarihi sütunu var.

Zamana duyarlı eğitim nasıl çalışır?

Makine öğreniminde yaygın karşılaşılan bir sorun, modellerin yalnızca eğitim sırasında mevcut olan bilgilerle eğitildiğinden emin olmanın bir yolunu bulmaktır. Eğitim verileriniz öne çıkan tarih ve saat bilgileri içeriyorsa bu bilgiler, veri sızıntısını önlemeye yardımcı olmak için kullanılabilir.

Tarih dizini gereklilikleri

Zamana duyarlı eğitimi etkinleştirmek için veri kümenizde, model eğitiminin bağlı olduğu tarih ve saat bilgilerini içeren bir sütun olması gerekir. Eğitim için model optimizasyonunu yapılandırırken bu sütunu seçersiniz.

Eğitiminizde tarih dizini olarak bir sütun kullanmak için sütun aşağıdakilerin tümüne sahip olmalıdır:

• Tam tarihler. Örneğin, ay veya gün değerlerinden oluşan sütunlar kullanılamaz.

• Tarih veya zaman damgası veri türü.

• Tarih özelliği türü.

Bekletme ve çapraz doğrulama

Verilerin bekletme ve çapraz doğrulama süreci için nasıl ayrılacağını seçerken rastgele seçim yöntemleri, gelecekteki verileri model eğitimine dahil edebilir. Zamana duyarlı eğitimi etkinleştirdiğinizde Qlik Predict bunun yerine aşağıdaki işlemi kullanır:

• Eğitim veri kümesi, eğitim ve bekletme verilerine ayrılmadan önce seçtiğiniz dizin sütunu boyunca sıralanır.

• Eğitimin her yinelemesinde sabit bir test boyutu ve kademeli olarak artan bir eğitim boyutu kullanılır. Her yinelemede veriler giderek daha güncel hale gelir.

Tüm ayrıntılar için bkz. Zamana dayalı çapraz doğrulama.

Diğer işlemler

Zamana duyarlı model eğitimi, varsayılan eğitim süreçlerinden farklı başka süreçler de kullanır. Örneğin, zamana duyarlı eğitim, null değer atama için değiştirilmiş bir süreç kullanır. Daha fazla bilgi için şuraya bakın: Geçersiz değerlere değer atanması.

Zamana duyarlı eğitimi açma

Zamana duyarlı model eğitimi, bir deneyde çalıştırdığınız her sürüm için açılıp kapatılabilir veya yeniden yapılandırılabilir.

Aşağıdakileri yapın:

1. Bir deneyde Yapılandırmayı görüntüle'ye tıklayın.

2. Deneyin zaten en az bir sürümünü çalıştırdıysanız Yeni sürüm'e tıklayın.

3. Panelde Model optimizasyonu'nu genişletin.

4. Süre temelli test-eğitim bölümü altında, verileri sıralamak için kullanılacak Tarih dizini'ni seçin.

Model iyileştirme sırasında zamana duyarlı eğitimi değiştirebilirsiniz. Örneğin, ayarı kapatabilir veya tarih dizini olarak yeni bir sütun seçebilirsiniz. Daha fazla bilgi için şuraya bakın: Modelleri iyileştirme.

Sınırlamalar ve dikkate alınacak noktalar

Kullanım durumunuza bağlı olarak, zamana duyarlı model eğitimi daha iyi modeller oluşturmanıza yardımcı olabilir. Diğer durumlarda, zaman serisi modelleriyle veya sınıflandırma ve regresyon modelleri için varsayılan eğitim süreciyle daha iyi sonuçlar görebilirsiniz. Zamana duyarlı eğitim, bir zaman serisi modeli eğitmek istemediğiniz ancak yine de ortaya çıkan modele zaman tabanlı bir odak noktası eklemeniz gerektiğinde faydalıdır. Örneğin, zamana duyarlı eğitim, giriş verileriniz gruplamaya izin vermediğinde zaman serisi modeli eğitimine uygun bir alternatif olabilir.

Zamana duyarlı eğitim, zaman serisi sorunları için gecikme özellikleri oluşturmak üzere otomatik özellik mühendisliği gerçekleştirmez.

Zamana duyarlı eğitim, zaman serisi deneyleri için mevcut değildir.