Eğitim: Tahmin uygulaması oluşturmak için Qlik AutoML kullanma

Bu eğitimde verilerinizi analiz etmek ve platformla oluşturulan tahmin verilerini görselleştiren uygulamalar oluşturmak için Qlik AutoML'yi nasıl kullanacağınızı öğrenirsiniz.

İkili sınıflandırma problemi için klasik bir örnek olarak kullanılan müşteri kaybı senaryosunu değerlendireceğiz. Bir müşterinin aboneliğini iptal edip etmeyeceğini veya hizmet abonesi olarak kalıp kalmayacağını güvenilir bir şekilde tahmin edebilmeyi amaçlıyoruz. Bu tür problemlerde yalnızca iki tür sonuç vardır: doğru veya yanlış (müşteri kaybedildi ya da müşteri kaybedilmedi).

Bu makine öğrenimi problemini ele alırken ilk olarak, sonucunu zaten bildiğimiz bir veri kümesini işler ve ardından bu verilerden oluşturulan istatistiksel modellemeyi, sonuçlarını tahmin etmek istediğimiz yeni verilere uygularız. Eğitimde bu yaklaşımı kullanacağız.

Güvenilir ve doğru modeller oluşturmak için eğitim veri kümenizin sızıntı veya "sızan" özellikler içermemesi gerekir. Veri sızıntısı, tahmin etmeye çalıştığınız hedef değişkeni türetmek için eğitim verilerindeki bir veya daha fazla özellik kullanılabildiğinde ya da eğitim verilerindeki bir veya daha fazla özellik, tahmin sırasında bilinemeyecek bilgiler içerdiğinde meydana gelir.

Bu eğitime bir deney oluşturarak başlayacaksınız. Daha sonra deneyi iyileştirecek ve bir makine öğrenimi modeli olarak dağıtacaksınız. Bu model, bir Qlik Sense uygulamasında görselleştirme biçiminde görüntülenebilecek tahminler yapmak için kullanılacak.

Ne öğreneceksiniz?

Bu eğitimi tamamladığınızda deney oluşturma ve yapılandırma içindeki farklı adımları öğrenmiş olacaksınız. Aynı zamanda model puanlarını yorumlamayı da öğreneceksiniz. Son olarak, makine öğrenimi modeli dağıtabilecek ve Qlik Cloud içinde etkili görselleştirmeler oluşturmak için tahmin verilerinizin nasıl kullanılacağını göreceksiniz.

Kimler bu eğitimi tamamlamalıdır?

Bu eğitim, Qlik Cloud içinde otomatik makine öğrenimine giriş yapmak isteyen kullanıcılar için tasarlanmıştır.

Başlamadan önce yapmanız gerekenler

Bu paketi indirin ve masaüstünüze çıkarın:

Müşteri kaybı eğitimi

Pakette, eğitimi tamamlamak için gerekli olan iki veri dosyası vardır. Veri dosyalarını kataloğa yükleyin.

Eğitim veri kümesi, abonelik yenileme tarihi geçmiş ve abonelikten ayrılma veya hizmet aboneliğini sürdürme kararı vermiş müşterilerin bilgilerini içerir.

Uygulama veri kümesi ise abonelik yenileme tarihi henüz geçmemiş yeni bir grup müşteriyle ilgili bilgileri içerir. Bu müşterilerin hizmet aboneliğini iptal edip etmeyeceği henüz belli değildir. Bu eğitimin amacı, aboneliklerini iptal etme olasılıklarını azaltabileceğimizi umarak bu müşteri grubunun ne yapacağını tahmin etmektir.

Aşağıdakileri yapın:

1. Qlik Sense hub'ını açın.

2. Yeni ekle > Veri kümesi'ne tıklayıp Veri dosyası yükle'yi seçin.

3. Customer churn data - training.csv dosyasını yükleme diyalog penceresine sürükleyin.

4. Ardından Customer churn data - apply.csv dosyasını yükleme diyalog penceresine sürükleyin.

5. Alan seçin. Kişisel alanınızı veya diğer kullanıcıların bu verilere erişmesini istiyorsanız paylaşılan bir alanı seçebilirsiniz.

6. Karşıya yükle'ye tıklayın.

Veri kümeleriniz yüklendiğine göre deney oluşturmaya devam edebilirsiniz.

Bu eğitimdeki dersler

Bu eğitimdeki konular sırayla tamamlanmak üzere tasarlanmıştır. Fakat istediğiniz zaman ara verip tekrar dönebilirsiniz.

Daha fazla bilgi ve kaynaklar

• Qlik, daha fazla bilgi almak isterseniz çeşitli kaynaklar sağlar.
• Qlik çevrimiçi yardımına erişilebilir.
• Ücretsiz çevrimiçi dersler içeren eğitime, Qlik Continuous Classroom bölümünden erişilebilir.
• Tartışma forumları, bloglar ve daha fazlasını, Qlik Community bölümünde bulabilirsiniz.

Fikirleriniz bizim için önemli

Her konudaki geri bildiriminizi öğrenmek isteriz. Lütfen bizimle ilgili görüşlerinizi bildirmek için aşağıdaki bölümü kullanın.