Zaman serisi modelleri için tahminlerle çalışma
Bir zaman serisi modelini dağıttıktan sonra, yeni veriler üzerinde tahminler oluşturmak için kullanabilirsiniz. Zaman serisi tahminleri oluşturmak için gerekli verileri ve yapıyı içeren bir uygulama veri kümesi hazırlayın. Tüm ayrıntılar için bkz. Bir uygulama veri kümesi hazırlama.
Tahmin mekanizması
Zaman serisi modeli tahminleri süreci, sınıflandırma ve regresyon modellerinden bazı farklılıklara sahiptir.
Sınıflandırma ve regresyon modelleri, uygulama veri kümesinde var olmayan veya bilinmeyen tüm bir sütun için gelecekteki değerleri tahmin eder. Örneğin, bir Ayrıldı sütununun gelecekteki değerlerini tahmin eden bir ikili sınıflandırma modeliniz olduğunu varsayalım. Uygulama veri kümesi tipik olarak bir Ayrıldı sütunu içermez ve eğer mevcutsa göz ardı edilir; bunun yerine, bu sütunun değerleri model tarafından tahmin olarak üretilir.
Öte yandan, bir zaman serisi modeliyle tahminler sütunlar yerine satırlar olarak oluşturulur. Tahminler hala bir hedef sütun için üretilir, 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 üretmek istediğiniz herhangi bir hedef değeri içermemelidir. Öte yandan, bir zaman serisi modeli için uygulama veri kümesinin, modelin uygulama penceresine karşılık gelen bazı geçmiş hedef ve özellik değerlerini içermesi gerekir. Bu gereksinimler Bir uygulama veri kümesi hazırlama bölümünde daha ayrıntılı olarak belirtilmiştir.
Bir uygulama veri kümesi oluşturmak için kullanılabilecek 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.
-
Veri yöneticisi analiz uygulamalarında.
Yaygın olarak 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 sütununuzun olmasıdır. Deneyinizde bir özelliği grup olarak seçtiğinizde, bir grup olarak işlenebilmesi için özellik türü henüz değilse otomatik olarak kategorik olarak değiştirilir. Tahminler için uygulama veri kümenizi eklediğinizde, sütun verileri muhtemelen hala sayısal özellik verileri içerir, bu nedenle kategorik bir özellik olarak tanımlanabilmesi için sütunu dize verisi olarak değiştirmeniz gerekecektir. Bu dönüştürme, Qlik komut dosyası kullanılarak — text() işlevi kullanılarak — veya table recipe aç ve veri akışı gibi diğer Qlik veri hazırlığı araçlarıyla kolayca yapılabilir.
Qlik komut dosyası kullanan bir örnek için bkz. Veri kümesini hazırlama.
Modeli yeniden eğitme
Yeni grup değerleri (eğitim verilerinde bulunmayan) için tahminler oluşturmanız gerekiyorsa, bu yeni grup değerlerini içeren eğitim verileriyle yeni bir model eğitmeniz gerekir. Daha fazla bilgi için bkz. Bir uygulama veri kümesi hazırlama.
Tahmin sırasında eksik grup değerleri
Dağıtılmış bir zaman serisi modeliyle tahmin yaparken, eksik grup değerleri, bu değerlerin birincil veya ikincil gruplar için olup olmadığına bağlı olarak farklı şekilde işlenir. Daha fazla bilgi ve geçici çözümler için bkz. Bir uygulama veri kümesi hazırlama.
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 bkz. Sınırlamalar ve dikkat edilmesi gerekenler.