使用 ML 预测

一旦部署了机器学习模型，就可以使用该模型创建预测。这些预测可用于根据您的数据做出更有效、更明智的决策。

您可以在个人或共享空间中创建和编辑 ML 部署并生成预测。您还可以将 ML 部署发布到托管空间并生成预测。通过空间控制对 ML 部署的访问。有关空间的更多信息，请参阅在空间中工作。

ML 部署可以在个人空间、共享空间和托管空间中创建。ML 部署生成的预测数据可以存储在个人空间、共享空间或托管空间中。

工作流

以下步骤是如何使用 ML 部署和预测的示例。

1. 部署您的模型

   部署要用于进行预测的模型。

   部署模型

2. 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。

   批准已部署的模型

3. 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。

   创建有关数据集的预测

   机器学习 API

4. 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。

   在 Qlik Sense 应用程序中可视化 SHAP 值

5. 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？

6. 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）

7. 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。

   在 ML 部署中使用多个模型

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。