Bir Qlik Sense uygulamasında tahmin verilerini görselleştirme

Veri modelini oluşturma

Verilerinizi seçme

Gerekli verileri uygulamanıza eklemeniz gerekir. Bu, uygulama veri kümesinden (eğitimin başında yüklenen) ve tahminden oluşturulan iki veri kümesinden oluşur.

Aşağıdakileri yapın:

1. Yeni uygulamada, Veri kataloğu'ndan veri eklemek için tıklayın.

2. Veri kataloğunda, aşağıdaki üç veri kümesinin yanındaki onay kutularına tıklayın:

   • Uygulama veri kümesi:  ML - Churn data - apply.csv veya ML - Churn data - apply.qvd

   • Tahmin veri kümesi: ML - Prediction output.parquet

   • Koordinat SHAP veri kümesi: ML - Prediction output_Coordinate_SHAP.parquet

3. İleri'ye tıklayın.

4. Bir özet paneli görünür. Yüklenebilecek alanları genişletmek için ML - Churn data - apply veri kümesine tıklayın.

5. Model eğitimi sırasında seçimi kaldırılan özelliklerin yanındaki simgesine tıklayın. Bir anahtar alan olduğu için AccountID öğesini listede tutmanız gerekir. Referans olarak, oluşturduğunuz tahmin yapılandırmasına dönün ve model ile uygulama veri kümesi şemalarını karşılaştırın (Genel yardım için bkz. Tahmin yapılandırmalarını düzenleme.).

6. Uygulamaya yükle'ye tıklayın.

Verileri ilişkilendirme

Bu noktada verileri uygulamaya eklediniz, ancak veri kümelerini birbiriyle ilişkilendirene kadar bağlı bir veri modeli oluşturulmaz. Bu durumda, AccountID alanı veri kümelerini birbirine bağlayan dizin olacaktır.

Uygulamanızda artık Veri yöneticisi açılmıştır. Üç veri kümesini göreceksiniz, ancak bunlar birbirine bağlı olmayan ayrı varlıklar olarak gösterilir.

Aşağıdakileri yapın:

1. Uygulamanızda artık Veri yöneticisi açılmıştır. Üç veri kümesini göreceksiniz, ancak bunlar birbirine bağlı olmayan ayrı varlıklar olarak gösterilir.

2. Veri yöneticisi'nin sağ bölmesinde AccountID ilişkilendirme önerisini bulun.

3. Uygula'ya tıklayın. Tablolar artık birbirine bağlanmış olmalıdır.

4. Veri yükle'ye tıklayın.

Veri modeli görüntüleyicisi içinde ilişkilendirmelerinizi kontrol etme

Uygulamada herhangi bir görselleştirme oluşturmadan önce verilerin düzgün bir şekilde ilişkilendirildiğini doğrulamalısınız.

Aşağıdakileri yapın:

1. Arayüzün üst kısmındaki gezinme çubuğunda uygulama gezinme menüsünü açın ve Veri modeli görüntüleyicisi öğesini seçin.

2. Üç veri kümesinin düzgün bir şekilde bağlanıp bağlanmadığını kontrol edin. AccountID alanı, her üç veri kümesinde de bir anahtar alan olarak işlev görmelidir. Uygulamanın veri modeli aşağıdaki resimdeki gibi görünmelidir.

   

Artık analitik içeriği oluşturmaya başlamaya hazırsınız. Gezinme çubuğundaki Analiz et sekmesinde Sayfa'ya tıklayın.

İlk sayfa: Toplu tahminler panosu

İlk sayfa, tahminlerin toplu biçimde analizine odaklanacaktır.

Aşağıdakileri yapın:

1. Şimdi sayfa düzenleme modunda olmalısınız.

2. Sayfadaki mevcut herhangi bir görselleştirmeye sağ tıklayın ve silin. Bu, bu eğitim için kullanmayacağımız bir grafik önerisi özelliğidir.

3. Sayfaya bir başlık verin, örneğin Aggregated Predictions. Bunu yapmak için, arayüzün sağ tarafında Sayfa özellikleri'ni açmak üzere boş sayfada herhangi bir yere tıklayın. Başlık altında, sayfa için bir ad yazın.

Pasta grafik

Bir pasta grafik, verilerinizin oransal dökümünü kolayca görselleştirmenizi sağlar. Bu durumda, verileri tahmin edilen sonuçlara göre (yes veya no) ayırmak mantıklıdır.

Aşağıdakileri yapın:

1. Sayfaya bir pasta grafik sürükleyin.

2. Bir boyut olarak Churned_predicted ekleyin.

3. Aşağıdaki hesaplamayı ekleyin:

   Count(AccountID)

4. İsterseniz, özellikler panelinde Görünüm > Sunum altındaki Boyut etiketi'ni kapatın.

5. Özellikler panelinde  Veri altındaki boyutu genişletin ve boyut için Etiket'i Predicted to Churn olarak değiştirin.

   Etiket göstergede güncellenir.

Filtre bölmesi

Bu pano, tüm veri modelinin geniş çaplı analizi için olacaktır. Ancak, belirli kohortları analiz etmek için verileri çeşitli boyutlarda hızlı bir şekilde filtreleyebilmek neredeyse kesinlikle önemli olacaktır.

Birden çok liste kutusu içeren bir filtre bölmesi oluşturun. Her liste kutusu, tek bir boyut içindeki değerlerin seçilmesine olanak tanır.

Aşağıdakileri yapın:

1. Sayfaya bir filtre bölmesi sürükleyin.

2. Filtre bölmesine alanlar ekleyin. Bunlar, tahmin edilen sonuçlar için önemli olmasını beklediğiniz boyutlar olabilir.

3. Özellikler panelinde Veri altındaki alana tıklayarak her liste kutusunu gerektiği gibi değiştirin. Bu, Liste kutusu özellikleri'ni açar.

   Örneğin, alan etiketini değiştirmek ve sayfa alanından tasarruf etmek için Liste kutusunu daralt'ı Her zaman olarak ayarlamak isteyebilirsiniz.

Filtre bölmesini, sayfanın bir tarafında bir panel olarak görünecek şekilde yeniden boyutlandırın.

KPI nesneleri

KPI'lar, verilerinizin özellikle önemli bir analizi için tek bir değeri görüntülemenin harika bir yoludur. Burada üç KPI grafik oluşturacağız.

Aşağıdakileri yapın:

1. Boş bir KPI grafik oluşturun. Aşağıdaki hesaplamayı ekleyin:

   =Count(Churned_predicted)

   Bu, kayıp tahminleri oluşturduğumuz toplam müşteri sayısını hesaplayacaktır.

2. Hesaplamayı Total # of Customers olarak etiketleyin.

3. Sayı Biçimlendirme'yi Sayı olarak ayarlayın ve değerleri 1.000 biçiminde (ondalık veya yüzde değerleri olmadan) sunun.

4. Başka bir boş KPI grafik oluşturun. Aşağıdaki hesaplamayı ekleyin:

   =Count({<Churned_predicted={"yes"}>}(Churned_predicted))

   Bu, yes değerinin Churned_predicted alanında kaç kez görüntülendiğini hesaplayan bir küme ifadesidir.

5. Hesaplamayı Predicted to Churn olarak etiketleyin.

6. Grafiğin sayı biçimlendirmesini ilk KPI ile aynı ayarlarla yapılandırın.

7. Üçüncü bir boş KPI grafik oluşturun. Aşağıdaki hesaplamayı ekleyin:

   =Count({<Churned_predicted={"no"}>}(Churned_predicted))

   Bu, no değerinin Churned_predicted alanında kaç kez görüntülendiğini hesaplar.

8. Hesaplamayı Predicted to Stay olarak etiketleyin.

Histogram

Tahmin olasılık değerlerinin dağılımını bir histogram ile görselleştirebilirsiniz.

Sayfaya bir histogram sürükleyin ve ona bir başlık verin. Boyut olarak Churned_yes ekleyin.

Yığın sütun grafikler

Tahminleri plan türü gibi kategorik bir alana göre analiz etmek için, birbiri üzerine yığınlanmış bireysel küme analizleriyle bir sütun grafik oluşturabilirsiniz.

Aşağıdakileri yapın:

1. Sayfaya bir sütun grafik sürükleyin ve başlığını Churn Predictions by Plan Type olarak belirleyin.

2. Bir boyut olarak PlanType ekleyin. Bunu Plan Type olarak etiketleyin.

3. Aşağıdaki hesaplamayı ekleyin:

   =Count({<Churned_predicted={"no"}>}(Churned_predicted))

   Hesaplamayı Predicted to Stay olarak etiketleyin.

4. Aşağıdaki hesaplamayı ekleyin:

   =Count({<Churned_predicted={"yes"}>}(Churned_predicted))

   Hesaplamayı Predicted to Churn olarak etiketleyin.

5. Görünüm > Sunum altında, düzeni Gruplandırılmış yerine Yığın olarak değiştirin.

6. Kaydırma çubuğunu kaldırın ve Değer etiketleri'ni Açık olarak ayarlayın.

7. Segment etiketleri ve Toplam etiketleri'ni Otomatik olarak yapılandırın.

İşiniz bittiğinde, aynı iki hesaplamayla ancak NumberOfPenalties gibi farklı bir kategorik boyutla benzer bir sütun grafik oluşturabilirsiniz.

Bireysel sayısal alan değerlerini analiz etmek için dağılım grafiği

Bir dağılım grafiği, tahmin verilerini çeşitli sayısal değerlere sahip bir hesaplamaya göre sunmak için kullanılabilir. Bu bölümde, müşterinin hizmet derecelendirmesi için farklı gruplandırmalarla temel ücrete göre kayıp tahminlerini görüntülemek için bir grafik oluşturacaksınız.

Aşağıdakileri yapın:

1. Sayfaya bir dağılım grafiği sürükleyin ve başlığını Churn Predictions by Base Fee and Service Rating olarak belirleyin.

2. Noktalar için boyut olarak AccountID ekleyin.

3. x eksenine aşağıdaki hesaplamayı ekleyin:

   =Avg(BaseFee)

4. y eksenine aşağıdaki hesaplanan boyutu ekleyin:

   =Round(ServiceRating,2)

   Bu, yaklaşık ServiceRating değerleri için y ekseni boyunca gruplandırmalar oluşturur. Değer ne kadar yüksekse, müşteri hizmetinin kalitesini o kadar yüksek derecelendirmiştir.

5. Görünüm > Sunum altında, Kabarcık boyutu'nu 20'ye düşürün ve Noktaları titret'i açın.

6. Renkler ve gösterge bölümünde, Renkler'i Özel olarak ayarlayın.

7. Verileri aşağıdaki boyuta göre renklendirme seçeneğini belirleyin:

   =Churned_predicted

   Bu, Churned_predicted alanındaki değerlerin her biri için bir renk atayacaktır. Bu durumda, iki renk görüntülenecektir.

8. Boyuta ve hesaplamaya etiketler ekleyin ve özel renk ayarına şu etiketi ekleyin: Predicted to Churn.

BaseFee hesaplamasının yerine diğer alan toplamaları konularak farklı sayısal alanların analizleri için benzer grafikler oluşturulabilir.

Sayfadaki görselleştirmeleri aşağıdaki resme benzeyecek şekilde yapılandırın.

İkinci sayfa: Toplu SHAP panosu

Ardından, toplu SHAP değerlerini analiz etmeye ayrılmış bir sayfa oluşturun.

Aşağıdakileri yapın:

1. Yeni bir sayfa oluşturun.

2. Sayfaya bir başlık verin (örneğin, Aggregated SHAP).

SHAP önem sıralaması

Bu tür bir grafik, deney sürümlerinizi yapılandırırken görmüş olabileceğiniz otomatik olarak oluşturulan grafiğe benzer. Burada, tahmin edilen veri kümesi için bir tane yapacağız.

Bu tür bir grafiğin amacı, Churned sütununda görülen sonuca en çok katkıda bulunan özellikleri göstermektir. Mutlak değerler kullanacağımız için SHAP sonuçlarının pozitif (yes değeri) veya negatif (no değeri) olabileceğinin farkında olmalıyız. İsterseniz, mutlak değeri hesaplamayan bir ifade de kullanabilirsiniz.

Aşağıdakileri yapın:

1. Boş sayfaya bir sütun grafik sürükleyin.

2. Grafiğin başlığını SHAP Importance by Feature olarak belirleyin.

3. Bir boyut olarak automl_feature ekleyin ve bunu Feature olarak etiketleyin.

   Bu, toplu verileri dahil edilen tüm özellikler genelinde sunmanıza olanak tanır.

4. Aşağıdaki hesaplanan hesaplamayı ekleyin:

   =fabs(Avg(SHAP_value))

5. Etiket altına Average Absolute SHAP yazın.

6. Özellikler panelinde, Görünüm > Sunum altında, varsa kaydırma çubuğunu kaldırın ve grafik yönünü Dikey yerine Yatay olarak ayarlayın.

7. Sıralama altında, henüz yapılmadıysa hesaplamayı boyutun üzerine sürükleyin. Her alanın sıralamasını Otomatik olarak bırakın.

   Bu, grafiği hesaplama değerlerine göre azalan bir düzende sıralar.

Trellis container/kafes türü kapsayıcı

Bir boyut içindeki belirli alan değerleri için verileri filtrelemek üzere bir Trellis container/kafes türü kapsayıcı yapabilirsiniz. Bu durumda, müşterilere sunulan dört plan türünün her biri için SHAP değerlerinin dökümünü yapabiliriz.

Bir Trellis nesnesi oluşturmak için bir boyut ve bir ana görselleştirme belirtmeniz gerekir. Az önce oluşturduğumuz SHAP önem sıralamasını bir ana görselleştirmeye dönüştüreceğiz.

Aşağıdakileri yapın:

1. Sayfadaki Average Absolute SHAP grafiğine sağ tıklayın ve ardından  Ana öğelere ekle'yi seçin.
2. Varsayılan adı koruyun ve Ekle'ye tıklayın.

3. Varlık panelinde Özel nesneler > Qlik Visualization bundle altından sayfaya bir Trellis container/kafes türü kapsayıcı sürükleyin.

4. Bir boyut olarak PlanType ekleyin.

5. Grafiğin içindeki Ana görselleştirme ekle'ye tıklayın ve ardından Average Absolute SHAP grafiğini ekleyin.

6. Özellikler panelinde Görünüm > Genel altında, Başlıkları göster'i açın ve grafiğin başlığını SHAP Importance by Plan Type olarak belirleyin.

7. Trellis container/kafes türü kapsayıcıyı, grafiklerdeki özelliklerin adlarını görüntüleyecek kadar geniş olacak şekilde yeniden boyutlandırın. Tüm etiketler görüntülenmiyorsa, tarayıcı penceresindeki yakınlaştırmayı ayarlayın.

Alternatif olarak, analiz etmek istediğiniz her boyut değeri için küme ifadeleriyle bireysel grafikler oluşturarak bu verileri görüntüleyebilirsiniz. Bu durumda, dört plan türünün her biri için ayrı bir grafik oluşturabilirsiniz.

Filtre bölmesini yeniden kullanma

İlk sayfada oluşturduğunuz filtre bölmesi bu sayfada yeniden kullanılabilir. Sayfa düzenleme modunda, filtre bölmesine sağ tıklayın ve kopyalayın. Bunu Aggregated SHAP sayfasına yapıştırın.

Ağaç haritası

SHAP değerlerinin dökümünü bir ağaç haritasıyla da görselleştirebilirsiniz. Sayfaya bir ağaç haritası sürükleyin ve SHAP önem sıralamasında kullandığınız aynı boyutu ve hesaplamayı ekleyin.

Sayfadaki görselleştirmeleri aşağıdaki resme benzeyecek şekilde yapılandırın.

Uygulamayı kullanma

Uygulamayı oluşturmayı bitirdikten sonra, veri analizi için kullanılmaya hazırdır.

Analiz moduna geçmek için Sayfayı düzenle'ye tıklayın. Bu görünümde, verilerin alt kümelerinin belirli bir analizi için verileri filtrelemek üzere (filtre bölmelerinde veya sayfanın başka bir yerinde) seçimler yapabilirsiniz. Örneğin, belirli bir müşteri planı türünü veya bölgesini analiz etmek ve bulguları verilerin diğer alt kümeleriyle karşılaştırmak isteyebilirsiniz.

Teşekkür ederiz!

Bu eğitimin sonuna geldiniz. Umarız birkaç şey öğrenmiş ve otomatik makine öğreniminin tahmine dayalı modeller oluşturmanın hızlı ve kolay bir yolu olduğunu fark etmişsinizdir. Qlik Sense, tahmin verilerinizi görselleştirmeyi ve verilerinize ilişkin anlamlı içgörüler sağlamayı kolaylaştıran güçlü bir araçtır.