Zaman serisi modelleri için tahminlerle çalışma
Bir zaman serisi modelini dağıttıktan sonra, yeni verilerle ilgili tahminler oluşturmak için kullanabilirsiniz. Zaman serisi tahminleri oluşturmak için, gerekli verileri ve yapıyı içeren bir uygulama veri kümesi hazırlayın. Tüm ayrıntılar için bkz. Uygulama veri kümesi hazırlama.
Tahmin mekanizması
Zaman serisi modeli tahminleri süreci, sınıflandırma ve regresyon modellerinden bazı farklılıklar gösterir.
Sınıflandırma ve regresyon modelleri, uygulama veri kümesinde mevcut olmayan veya bilinmeyen tüm bir sütun için gelecekteki değerleri tahmin eder. Örneğin, Ayrılmış bir sütunun gelecekteki değerlerini tahmin eden ikili bir sınıflandırma modeliniz olduğunu varsayalım. Uygulama veri kümesi genellikle bir Ayrılmış sütunu içermez ve eğer mevcutsa, göz ardı edilir; bunun yerine, bu sütun için değerler model tarafından tahmin olarak oluşturulur.
Öte yandan, bir zaman serisi modeliyle tahminler sütunlar yerine satırlar olarak oluşturulur. Tahminler hala bir hedef sütun için oluşturulur, ancak bunlar belirli gelecekteki zaman değerlerine karşılık gelen kayıtlardır. Sütunların yapısı eğitim ve uygulama veri kümeleri arasında değişmez.
Ayrıca, bir sınıflandırma veya regresyon modeli için bir uygulama veri kümesi, tahminler oluşturmak istediğinize yönelik olarak herhangi bir hedef değer içermemelidir. Öte yandan, bir zaman serisi modeli için uygulama veri kümesi, modele ilişkin uygulama penceresine karşılık gelen bazı geçmiş hedef ve özellik verilerini içermesi gerekir. Bu gereksinimler Zaman serisi modelleri için tahminlerle çalışma içinde ayrıntılı olarak belirtilmiştir.
Uygulama veri kümesi oluşturmak için mevcut araçlar
Veri kümelerinizi oluşturmanıza ve dinamik olarak üretmenize yardımcı olmak için Qlik Cloud içinde aşağıdaki araçlar mevcuttur:
-
Qlik komut dosyası oluşturma, uygulamalardaki Veri yükleme düzenleyicisi içinde ve Analiz etkinlik merkezinden erişilebilen bağımsız komut dosyası düzenleyicide mevcuttur.
Verileri yüklemek veya dışa aktarmak için komut dosyası oluşturma
-
Table recipe, Analiz etkinlik merkezinden bağımsız bir araç olarak mevcuttur. Table recipe, makine öğreniminde kullanılanlar gibi tek tablolu veri kümeleri oluşturmak için tasarlanmıştır.
-
Veri akışı, Analiz etkinlik merkezinden bağımsız bir araç olarak mevcuttur.
-
Analiz uygulamaları içinde Veri yöneticisi.
Sıkça ihtiyaç duyulan işlemler
Özellik türlerini değiştirme
Uygulama veri kümenizi hazırlarken, özellik türlerini değiştirmek için sütunları dönüştürmeniz gerekebilir.
En yaygın örnek, modelinizde bir grup olarak yapılandırdığınız sayısal bir sütununuz olmasıdır. Bir özelliği deneyinizde grup olarak seçtiğinizde, zaten değiştirilmemişse özellik türü otomatik olarak kategorik olarak değiştirilir, böylece bir grup olarak ele alınabilir. Tahminler için uygulama veri kümenizi eklediğinizde, sütun verileri hala büyük olasılıkla sayısal özellik verileri içerir, bu nedenle sütunu dize verilerine dönüştürmeniz gerekir, böylece kategorik bir özellik olarak tanımlanır. Bu dönüşüm, text() fonksiyonuyla Qlik komut dosyası oluşturmayı kullanarak veya table recipe ve veri akışı gibi diğer Qlik veri hazırlığı araçlarıyla kolayca yapılabilir.
Qlik komut dosyası oluşturmayı kullanan bir örnek için Veri kümesini hazırlama bölümüne bakın.
Sınırlamalar
-
Veri kayması izleme, zaman serisi modelleri için mevcut değildir.
-
SHAP veri kümeleri, zaman serisi modelleriyle tahminler sırasında oluşturulamaz.
-
Qlik Predict Analiz bağlayıcısı zaman serisi modellerini desteklemez.
Zaman serisi deneyleriyle ilgili sınırlamalar için Sınırlamalar ve dikkate alınacak noktalar bölümüne bakın.