# 教程 - 生成和可视化预测数据

本教程教授您如何使用 Qlik Predict 来训练和部署用于进行预测的机器学习模型。它还教您如何在 Qlik Sense 应用程序中可视化预测数据。

我们将考虑客户流失的场景，这是二进制分类问题的经典示例。 其目标是能够可靠地预测客户是将取消其订阅，还是仍然是服务的订户。这类问题只有两种结果：真或假（已流失或未流失）。

为了解决这个机器学习问题，我们将首先处理一组我们已经知道结果的数据，然后将从该数据创建的统计模型应用于我们希望预测结果的新数据。

您将通过创建一个实验开始本教程。在该实验中，您将训练模型并将其中一个部署到 ML 部署中。此 ML 部署将用于创建预测，可以在 Qlik Sense 应用程序中将这些预测可视化。

## 您将学到什么

完成本教程后，您将了解创建和配置实验所涉及的不同步骤。您还将学习如何解释模型分数。最后，您将能部署机器学习模型，并将了解如何使用预测数据在 Qlik Cloud Analytics 中生成引人注目的 Qlik Sense 可视化效果。

默认情况下，Qlik Predict 通过智能模型优化训练您的模型。通过智能优化，在训练过程中进行自动优化。这增加了您的模型在单个版本后准备好部署的可能性，只需要很少的进一步迭代。

## 谁应当完成该教程

本教程专为希望在 Qlik Cloud Analytics 中介绍自动机器学习和数据可视化的用户设计。一些机器学习和 Qlik Sense 的基本知识是有帮助的，但不是必需的。

要完成本教程，您需要在 Qlik Cloud 租户和您将要工作的空间中获得适当的权限。其中有些由管理员分配。如果在教程中遇到权限错误，请联系您的租户管理员。您需要以下权限：

* 创建和使用 ML 实验

  [ML 实验的创建、使用和管理](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#CreateUseExp)

* 创建和使用 ML部署

  [模型部署和创建 ML 部署](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#ModelDeployment)

  [ML 部署管理](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#ManagementMLDeploy)

  [运行批量预测](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#RunningBatch)

* 激活已部署的模型

  [模型审批](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#ModelApproval)

* 使用分析应用程序

## 在开始之前需要做的工作

首先，您需要下载下面链接的教程材料。在 CSV 和 QVD 工作流之间进行选择。下载预配置的应用程序是可选的操作。

下载所需材料后，将其解压缩到桌面上。

* [MLTutorialDataCSV](https://help.qlik.com/zh-CN/cloud-services/tutorials/MLTutorialDataCSV.zip)：包含 CSV 格式的教程数据。这个选项让您可以更轻松地迅速开始使用。

* [MLTutorialDataQVF](https://help.qlik.com/zh-CN/cloud-services/tutorials/MLTutorialDataQVF.zip)：包含 .qvf 脚本格式的教程数据，可以运行这些脚本来创建 QVD。此选项比 CSV 需要更长的时间，但有助于向您介绍如何使用 Qlik 数据格式和脚本。

* [MLTutorialPreConfiguredApp](https://help.qlik.com/zh-CN/cloud-services/tutorials/MLTutorialPreConfiguredApp.zip)：此项目是可选项目。它是您将在教程中构建的 Qlik Sense 应用程序的示例副本。这让您可以跳过训练和部署阶段，更快地获得预测性应用程序开发的实践经验。

  有关更多信息，请参阅[替代工作流：上传预配置的应用程序](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/tutorial-predictions-app.htm#Alternat)。

训练数据集包含有关客户的信息，这些客户的续订期限已过，并已决定放弃或继续订阅该服务。

应用数据集包含续订日期尚未过期的一组新客户的详细信息。尚未确定这些客户是否会取消服务。本教程的目标是预测这组客户会做什么，希望我们能够降低他们流失的可能性。

### 选项 1：Qlik Predict 教程数据集 (CSV)

执行以下操作：

1. 打开 Analytics 活动中心。

2. 转到“创建”页面，选择数据集，然后选择上传数据文件。

3. 将 ML - Churn data - training.csv 文件拖到上载对话框。

4. 接下来，将 ML - Churn data - apply.csv 文件拖到上传对话框。

5. 选择空间如果您希望其他用户能够访问此数据，它可以是您的个人空间或共享空间。

6. 单击上传。

现在数据集已上载，您可以继续创建实验。

### 选项 2：Qlik Predict 教程数据集 (QVD)

执行以下操作：

1. 打开 Analytics 活动中心。

2. 转到“创建”页面，选择上传，然后选择脚本。

3. 将这些文件拖动到上传对话框：

   * ML - Churn data - training.qvf

   * ML - Churn data - apply.qvf

4. 选择空间如果您希望其他用户能够访问此数据，它可以是您的个人空间或共享空间。

5. 单击上传。

6. 对于每个上传的脚本，请执行以下操作：

   1. 打开脚本并切换到编辑器标签。

   2. 在编辑器中，单击导出数据。

   QVD 数据集是在您上传脚本的同一空间中创建的。

现在数据集已上传，您可以继续创建实验。

## 本教程中的课程

本教程中的主题设计为按顺序完成。但您也可以暂时离开，然后随时再回来继续学习。

1. [创建和配置实验](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/tutorial-creating-configuring.htm)
2. [审查和微调模型](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/tutorial-reviewing-versions.htm)
3. [部署和审批您的模型](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/tutorial-deploying-model.htm)
4. [创建预测数据](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/tutorial-creating-predictions.htm)
5. [在 Qlik Sense 应用程序中可视化预测数据](https://help.qlik.com/zh-CN/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/tutorial-predictions-app.htm)

## 延伸阅读和资源

* 如果您想了解更多信息，[Qlik](http://www.qlik.com/) 提供了各种各样的资源。
* 提供 [Qlik 在线帮助](http://help.qlik.com/)。
* [Qlik Learning](https://learning.qlik.com/) 上提供培训，包括免费的在线课程。
* 可以在 [Qlik Community](http://community.qlik.com/) 中找到讨论论坛、博客等。

## 您的意见很重要

我们感谢您的任何反馈。请使用下面的部分让我们了解我们做得怎样。