使用 ML 部署
在训练和完善模型之后，您可以部署模型进行预测。
ML 部署可以在个人空间、共享空间和托管空间中创建。
工作流
以下步骤是如何使用 ML 部署和预测的示例。
- 部署您的模型
部署要用于进行预测的模型。
- 让您的模型获得批准
在使用 ML 部署进行预测之前，需要激活源模型以进行预测。模型审批可以由具有特定权限的用户和管理员执行。
- 进行预测
对数据集进行手动或计划预测，或使用机器学习 API 中的实时预测端点。
- 可视化预测性见解
将生成的预测数据加载到应用程序中并创建可视化效果。
- 使用假设情景探索数据
将预测 API 集成到应用程序中，以获得实时预测。这允许您通过更改特性值并获得新值的预测结果来尝试假设情景。记录通过 API 传递给 ML部署，并实时接收响应。例如，如果我们改变计划类型或增加基本费用，客户流失的风险会如何？
- 采取行动
分析预测性见解和情景，找出应采取的行动。Qlik 应用程序自动化 帮助您自动化操作，并为机器学习用例提供特定模板。有关自动化的更多信息，请参阅Qlik 应用程序自动化。 （仅提供英文版本）
- 必要时更换模型
随着时间的推移，输入数据的分布和特性可能会发生变化。如果您原来的机器学习问题保持不变，您可以将新模型交换到现有的 ML 部署中，从而以最小的干扰实现预测的无缝改进。如果需要重新定义初始的机器学习问题，可以创建一个新的实验。
要求和权限
有关使用 ML 部署和预测的用户权限要求的信息，请参阅ML 部署和预测的访问控制。