Zaman serisi deneyleriyle çalışma
Zaman serisi deneyleriyle, belirli gelecekteki zaman dilimlerine karşılık gelen metrikleri (örneğin, gelecek hafta veya ay için satışları) tahmin etmek üzere modeller eğitebilirsiniz. Qlik Predict içinde, zaman serisi modelleri gruplandırılmış hedefleri ve gelecekteki özellikleri destekleyen çok değişkenli tahminler üretir. Zaman serisi tahmini, sayısal bir hedef içeren deneyler için kullanılabilir.
Zaman serisi deneyi yapılandırma
Kullanım durumları
Sayısal metrikler için tarihe duyarlı tahminlere ihtiyaç duyduğunuz her zaman zaman serisi tahmini kullanışlıdır. Zaman serisi tahmininin kullanışlı olduğu birçok senaryo vardır, bunlar arasında:
-
Satış ve finansal tahmin
-
Envanter ve stok tahmin etme
-
Enerji kullanımını ve talebini tahmin etme
-
Giderleri tahmin etme
Çok değişkenli zaman serisi tahmini nedir?
Çok değişkenli zaman serisi tahmini, birden fazla değişken içeren senaryolar için gelecekteki verilerin tahminidir. Zaman serisi deneyleri, birden çok hedef (gruplar aracılığıyla tanıtılan) ve birden çok özellik arasındaki zamana özgü kalıpları keşfetmenizi sağlar. Sınıflandırma ve regresyon modelleriyle yapılan tahminlerin aksine, zaman serisi tahminleri belirli bir tarihe veya saate özgüdür. Örneğin, önümüzdeki iki hafta için satışlarınızı tahmin etmek isteyebilirsiniz; ilişkili tarihler 1 ila 14 Ocak olmak üzere.
Bölüm 1: Eğitim veri kümesini hazırlayın
Eğitim veri kümesi hazırlayarak başlayın. Eğitim veri kümesi, tutarlı zaman aralıklarında ölçülen geçmiş verileri içermelidir.Tüm ayrıntılar için bkz. Eğitim veri kümesi hazırlanıyor.
Bölüm 2: Zaman serisi deneyi oluşturma
Bir ML deneyi oluşturarak ve ardından Deney türü olarak Zaman serisi'ni seçerek bir zaman serisi deneyi oluşturursunuz.
Bir deneyi zaman serisi deneyi olarak yapılandırmak için hedefin sayısal olması ve 11'den fazla benzersiz değere sahip olması gerekir (ancak yüksek kaliteli bir model üretmek için çok daha fazlasına ihtiyaç vardır). Veri kümesinin ayrıca tutarlı bir zaman aralığında kaydedilmiş tarih veya tarih saat bilgisi içeren bir sütunu olması gerekir.
Aşağıdakileri yapın:
-
Analiz etkinlik merkezinden bir ML deneyi oluşturun. bk. Deneme oluşturma.
-
Bir eğitim veri kümesi seçtikten sonra, deney yapılandırması panelini genişletmek için
Yapılandırmayı görüntüle seçeneğine tıklayın. -
Hedef ve deney türü seçeneğini genişletin.
-
Bir hedef seçmek için açılır menüyü kullanın.
-
Deney türü altında, Zaman serisi seçeneğini belirleyin.
Bölüm 3: Zaman serisi denemenizi yapılandırın
Ardından, zaman serisi modelinizle yapmak istediğiniz tahminlere özgü parametreleri yapılandırmanız gerekir. Bu parametreler zaman serisi deneylerine özgüdür. Her parametrenin ne anlama geldiğinin açıklamaları için Çok değişkenli zaman serisi tahminiyle çalışma bkz.
Aşağıdakileri yapın:
-
Tarih dizini altında, kullanılacak dizin sütununu seçin.
-
İsteğe bağlı olarak, hedef gruplandırmaları ve gelecek özellikleri model eğitimine eklemek için Gruplar ve Gelecek özellikler için açılır menüleri kullanın.
-
Verilerinize göre bölümünde, Tahmin penceresi boyutu ve Tahmin boşluk boyutu'nu zaman adımları cinsinden ayarlayın.
Bölüm 4: Diğer deney parametrelerini yapılandırın
Diğer deney türlerinde olduğu gibi, deney yapılandırmanızda ayarlamanız gerekebilecek, zaman serisi deneylerine özgü olmayan başka özellikler de vardır. Bunlar aşağıdakileri içerir:
-
Özellikleri seçme
-
Algoritmaları seçme
-
Özellik türlerini değiştirme
Tüm ayrıntılar için bkz. Deneyleri yapılandırma.
Bölüm 5: Eğitimi çalıştırın
Aşağıdakileri yapın:
-
Alt sütunda, Eğitimi çalıştır'a tıklayın.
Sonraki adımlar
Model analizi
Eğitim tamamlandıktan sonra, modelleri analiz edebilir ve kalitelerini değerlendirebilirsiniz. Gerektiğinde, sonuçları iyileştirmek için deneyin daha fazla yinelemesini oluşturun.
Daha fazla bilgi için şuraya bakın: Modelleri inceleme.
Model dağıtımı ve onayı
Modelleri analiz ettikten sonra, en iyi modeli bir ML dağıtımına dağıtın ve ardından tahminler yapmak için etkinleştirin.
Daha fazla bilgi için bk. Modelleri dağıtma ve Dağıtılmış modelleri onaylama.
Uygulama veri kümelerini hazırlama ve tahminler oluşturma
Modelinizi dağıttıktan sonra, tahminler oluşturmak için kullanacağınız uygulama veri kümeleri için gereksinimleri anlayın. bk. Uygulama veri kümesi hazırlama.
Uygulama veri kümesini hazırladığınızda, zaman serisi modelinizi kullanarak tahminler oluşturun. Şunları oluşturabilirsiniz:
-
Toplu tahminler
-
Gerçek zamanlı tahminler
Sınırlamalar ve dikkate alınacak noktalar
-
Bir zaman serisi deneyi için en fazla iki grup seçebilirsiniz. Grup olarak seçtiğiniz sütun kategorik olmalıdır. Bu sütun sayısal veri içerebilir, ancak eğitim sırasında sütun kategorik olarak ele alınır.
-
Maksimum tahmin penceresi 180 zaman adımı kadar büyük olabilir. Daha fazla bilgi için bkz. Maksimum tahmin penceresi.
-
Akıllı model optimizasyonu, zaman serisi deneyleri için geçerli değildir.
-
Zaman serisi deneyleri manuel optimizasyonu desteklemez.
-
Zaman serisi deneyleri hiperparametre optimizasyonunu desteklemez.
-
Zaman serisi deneyleri zamana duyarlı eğitimi desteklemez.
-
Otomatik serbest metin özellik mühendisliği, zaman serisi deneyleri için kullanılamaz.
-
Bir zaman serisi deneyi için bir tarih dizin sütunu seçtiğinizde, bu sütun için tarih özellik türü kullanılır. Ancak, tarih özellik mühendisliği zaman serisi modelleri için desteklenmez. Otomatik olarak tasarlanmış tarih özellikleri sütundan türetilemez.
-
Zaman serisi deneyleri, modelleri derin öğrenme algoritmalarıyla eğitir. Bu nedenle, veri boyutuna ve tahmin penceresine bağlı olarak, zaman serisi modellerinin eğitilmesi genellikle regresyon ve sınıflandırma modellerinden daha uzun sürer.
Zaman serisi modelleriyle tahmin oluşturmaya ilişkin sınırlamalar için Sınırlamalar bkz.
Öğretici
Model eğitiminden tahmine kadar zaman serisi tahminini gösteren tam bir eğitim için Eğitim — Çok değişkenli zaman serisi tahminiyle satışları tahmin etme bkz.