# 采用 Qlik Predict 的机器学习

自动机器学习在您的数据中找到模式，并使用它们对未来数据进行预测。Qlik Cloud 分析 中的机器学习实验让您与其他用户协作，并将您的预测分析集成到 Qlik Sense 应用程序中。除了进行预测，您还可以深入分析影响预测结果的关键特征。

从目录加载历史数据，启动自动机器学习过程，然后选择最适合您的用例的机器学习模型。部署模型以对业务问题的结果进行预测。探索影响预测结果的变量，并全面了解您的数据。

您可以通过以下方式访问 Qlik Predict：

* 通过 Qlik Cloud 用户界面。使用在 Qlik Predict 帮助文档中所示的工作流创建实验和部署。

* 使用Qlik Answers，您可以使用自然语言构建端到端机器学习工作流。

  [在 Qlik Answers 中使用机器学习](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/predict-agent.htm)

* 开发人员可以使用 [机器学习 API](https://qlik.dev/apis/rest/ml/) 将 Qlik Predict 功能集成到自己的工作流中。有关帮助您入门的教程，请参阅[自动化机器学习教程](https://qlik.dev/embed/machine-learning/tutorial/tutorial-overview/)。

Qlik Cloud Government 注释

Qlik Cloud 政府 不支持 Qlik Predict。

## 在 Qlik Answers 中使用机器学习

使用自然语言运行 Qlik Predict 工作流，从数据集洞察到预测。

## 机器学习入门

## 理解机器学习

了解机器学习背后的基本概念，以及您为何可能想要使用它。

## 定义机器学习问题

了解如何定义您的机器学习问题并关注结构化框架。

## 准备训练数据集

了解如何准备您的数据集以用于训练机器学习模型。

## Qlik Predict 限制和容量

了解适用于 Qlik Predict 以及 Qlik Cloud 平台的约束和限制。

## 使用实验

## 使用 ML 实验

了解自动机器学习过程并开始创建实验。

## 使用时间序列实验

了解怎样训练模型以执行时间特定预测。

## 解释模型性能

了解可用于对预测模型进行评分的模型度量。

## 优化模型

如何改进预测模型？在这里了解更多信息。

## 使用 ML 部署

## 部署模型

当您生成了一个已准备好对新数据进行预测的模型时，将其部署到 ML 部署中。

## 使用 ML 部署

了解如何部署模型、管理 ML 部署以及激活已部署模型以进行预测。

## 使用预测

## 使用预测

了解如何使用您的 ML 部署通过界面或 API 来创建预测。

## 创建批次预测

使用 ML 部署界面生成含有预测数据的数据集。

## 在预测期间生成 SHAP 数据集

了解如何使用 SHAP 值来理解在您进行预测时数据背后的关键驱动因素。

## 创建实时预测

了解如何访问和使用机器学习 API，以针对一行或少量数据行生成实时预测。

## 使用 Qlik Predict 分析连接器进行预测

使用 Qlik Predict 分析连接器与您的部署进行通信，并直接在应用程序和脚本中进行预测。

## 动手教程和指南

## 教程 - 生成和可视化预测数据

本教程向您展示如何创建和训练实验、部署模型和生成预测，以及在 Qlik Sense 应用程序中可视化预测数据。

## 教程 - 用多元时间序列预测来预测销售额

本教程将引导您完成使用可执行时间特定预测的模型进行训练、部署和预测的过程。

## 示例 - 使用 Qlik Predict 分析连接器进行假设分析

在此示例中，从头到尾探索一个真实的假设场景。

## Qlik Predict 个视频

观看我们的一些短视频，开始机器学习。

相关学习内容：

* [什么是Qlik Predict](https://help.qlik.com/lnk/What_is_AutoML)
* [介绍Qlik Predict](https://help.qlik.com/lnk/Introduction_Qlik_AutoML)

## 了解详情

* [什么是Qlik Predict](https://help.qlik.com/lnk/What_is_AutoML)
* [介绍Qlik Predict](https://help.qlik.com/lnk/Introduction_Qlik_AutoML)