Öğretici – Tahmin verilerini üretme ve görselleştirme
Bu öğretici size, bir makine öğrenimi modelini tahmin yapmak üzere eğitmek ve dağıtmak için Qlik Predict modelini nasıl kullanacağınızı öğretir. Size bir Qlik Sense uygulamasında tahmin verilerini nasıl görselleştirebileceğinizi de öğretir.
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.
Bu eğitime bir deney oluşturarak başlayacaksınız. Buradan, modelleri eğitip birini bir ML dağıtımına dağıtabilirsiniz. Bu ML dağıtımı, bir Qlik Sense uygulamasında görselleştirilebilen tahminler oluşturmak için kullanılacaktır.
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 Analizleri içinde etkili Qlik Sense görselleştirmeleri oluşturmak için tahmin verilerinizin nasıl kullanılacağını göreceksiniz.
Varsayılan olarak Qlik Predict, modellerinizi akıllı model optimizasyonuyla eğitir. Akıllı optimizasyon ile eğitim sırasında otomatik geliştirme gerçekleştirilir. Bu, modellerinizin minimum yineleme gerekliliğiyle tek bir sürümden sonra hazır olma olasılığını artırır.
Kimler bu eğitimi tamamlamalıdır?
Bu öğretici, Qlik Cloud Analizleri içinde otomatik makine öğrenimine ve veri görselleştirmeye giriş yapmak isteyen kullanıcılar için tasarlanmıştır. Makine öğrenimi ve Qlik Sense ile ilgili temel bilgiler faydalıdır ancak gerekli değildir.
Bu eğitimi tamamlamak için Qlik Cloud kiracısında ve çalışacağınız alanlarda uygun izinlere sahip olmanız gerekir. Bunlardan bazıları yöneticiler tarafından atanır. Eğitim sırasında izin hatalarıyla karşılaşırsanız, kiracı yöneticinizle iletişime geçin. Aşağıdakiler için izinlere ihtiyacınız var:
ML deneyleri oluşturma ve bunlarla çalışma
ML dağıtımları oluşturma ve bunlarla çalışma
Dağıtılmış modelleri etkinleştirme
Analiz uygulamalarıyla çalışma
Başlamadan önce yapmanız gerekenler
Öncelikle aşağıda bağlantısı verilen öğretici materyallerini indirmeniz gerekir. CSV ve QVD iş akışları arasında seçim yapın. Önceden yapılandırılmış uygulamayı indirmek isteğe bağlıdır.
İstediğiniz materyalleri indirdiğinizde bunları masaüstünüze çıkarın.
MLTutorialDataCSV: CSV biçiminde öğretici verileri içerir. Bu seçeneği hızlıca kullanmaya başlamak daha kolaydır.
MLTutorialDataQVF: QVD'ler oluşturmak için çalıştırılabilecek .qvf komut dosyaları biçiminde öğretici verileri içerir. Bu seçenek, CSV'den daha uzun zaman alır, ancak Qlik veri biçimleri ve komut dosyalarıyla çalışırken kullanıma alma konusunda faydalıdır.
MLTutorialPreConfiguredApp: Bu öğe isteğe bağlıdır. Öğretici sırasında oluşturacağınız Qlik Sense uygulamasının bir örnek kopyasıdır. Bu, tahmine dayalı uygulama geliştirmeyle daha hızlı uygulama deneyimi için eğitim ve dağıtım aşamalarını atlamanıza olanak tanır.
Daha fazla bilgi için bkz. Alternatif iş akışı: Önceden yapılandırılmış uygulamayı yükleme.
Eğitim veri seti, abonelik yenileme tarihi geçmiş ve abonelikten ayrılma veya hizmet aboneliğini sürdürme kararı vermiş müşterilerin bilgilerini içerir.
Uygulama veri seti 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.
Seçenek 1: Qlik Predict öğretici veri kümeleri (CSV)
Aşağıdakileri yapın:
Analiz etkinlik merkezini açın.
Oluştur sayfasına gidin, Veri Kümesi'ni seçin ve ardından Veri dosyasını yükle'yi seçin.
ML - Churn data - training.csv dosyasını yükleme diyalog penceresine sürükleyin.
Ardından ML - Churn data - apply.csv dosyasını yükleme diyalog penceresine sürükleyin.
Alan seçin. Kişisel alanınızı veya diğer kullanıcıların bu verilere erişmesini istiyorsanız paylaşılan bir alanı seçebilirsiniz.
Karşıya yükle'ye tıklayın.
Veri kümeleriniz yüklendiğine göre deney oluşturmaya devam edebilirsiniz.
Seçenek 2: Qlik Predict öğretici veri kümeleri (QVD)
Aşağıdakileri yapın:
Analiz etkinlik merkezini açın.
Oluştur sayfasına gidin, Yükle'yi seçin ve ardından Komut dosyası'nı seçin.
Bu dosyaları yükleme diyalog penceresine sürükleyin:
ML - Churn data - training.qvf
ML - Churn data - apply.qvf
Alan seçin. Kişisel alanınızı veya diğer kullanıcıların bu verilere erişmesini istiyorsanız paylaşılan bir alanı seçebilirsiniz.
Yükle'ye tıklayın.
Yüklenen her komut dosyası için aşağıdakileri yapın:
Komut dosyasını açın ve Düzenleyici sekmesine geçin.
Düzenleyici'de Verileri dışa aktar'a tıklayın.
QVD veri kümesi, komut dosyasın yüklediğiniz alanda oluşturulur.
Veri kümeleriniz oluşturulduğuna 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 yardımı mevcuttur.
- Ücretsiz çevrimiçi dersler içeren eğitime, Qlik Learning 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.