使用时间序列模型的预测
部署时间序列模型后，您可以使用它对新数据进行预测。要创建时间序列预测，请准备一个包含所需数据和结构的应用数据集。有关完整地详细信息，请参阅准备应用数据集。
预测机制
时间序列模型预测的过程与分类和回归模型有一些不同。
分类和回归模型预测应用数据集中不存在或未知的整个列的未来值。例如，假设您有一个二元分类模型，用于预测流失列的未来值。应用数据集通常不包含流失列，如果存在，则会被忽略——相反，此列的值由模型作为预测生成。
另一方面，对于时间序列模型，预测是作为行而不是列创建的。预测仍然是针对目标列生成的，但它们是与特定未来时间值对应的记录。列的结构在训练数据集和应用数据集之间不会改变。
此外，分类或回归模型的应用数据集不应包含任何要生成预测的目标值。另一方面，时间序列模型的应用数据集需要包含一些历史目标和特征值，与模型的应用窗口相对应。这些要求在使用时间序列模型的预测中进一步指定。
用于创建应用程序数据集的可用工具
Qlik Cloud 中提供了以下工具，可以帮助您构建和动态生成数据集：
-
Qlik 脚本，可以在应用程序中的 数据加载编辑器 以及从 分析 活动中心访问的独立脚本编辑器中使用。
-
表格配方，可以作为独立工具从 分析 活动中心获取。表格配方旨在创建单表数据集，例如机器学习中所使用的那些数据集。
-
数据流，可作为独立工具从 分析 活动中心获取。
-
分析应用程序中的 数据管理器
常用操作
更改功能类型
在准备应用数据集时，您可能需要转换列以修改其特性类型。
最常见的例子是，如果您有一个数值列，并且已将其配置为模型中的一个组。当您在实验中选择一个特性作为组时，如果它不是类别型的，其特性类型会自动更改为类别型，以便将其作为组进行处理。当您添加用于预测的应用数据集时，列数据很可能仍然包含数值特性数据，因此您需要将列更改为字符串数据，以便将其识别为类别型特性。此转换可使用 Qlik 脚本轻松完成 — 使用 text() 函数 — 或使用其他 Qlik 数据准备工具（例如表格配方和数据流）。
有关使用 Qlik 脚本的示例，请参阅准备数据集。
限制
-
时间序列模型不支持数据漂移监控。
-
使用时间序列模型执行预测时，无法生成 SHAP 数据集。
-
Qlik Predict 分析连接器不支持时间序列模型。
有关时间序列实验的限制，请参阅 限制和考虑事项。