# 建立即時預測

使用 ML 部署對新的資料預測未來結果。您可以使用[機器學習 API](https://qlik.dev/apis/rest/ml/)中的即時預測端點建立即時預測。

可以即時進行預測，例如對客戶結帳時的折扣即時做出決策。產生預測時，您可以將預測深入解析載入至 Qlik Sense 應用程式。這可讓您視覺化資料並與其互動，並建立假設情境。

資訊備註

已取代即時預測 API，並替換為 [機器學習 API](https://qlik.dev/apis/rest/ml/) 中的即時預測端點。目前未取代該功能本身。對於未來的即時預測，請使用 機器學習 API 中的即時預測端點。如需從即時預測 API 遷移到 機器學習 API 的協助，請參閱 [Qlik Cloud 開發人員入口網站上的遷移指南](https://qlik.dev/apis/rest/automl-deployments/#migrate-from-the-automl-real-time-predictions-api-to-the-machine-learning-api)。

## 透過 API 建立即時預測

ML 部署介面中的即時預測窗格可讓您存取機器學習 API 中的即時預測端點。如果已啟用部署中的預設模型，且您擁有即時預測所需的權限，則會顯示此窗格。

即時預測端點是 Qlik Predict 和 Qlik Cloud 中其他功能 (包括 Qlik Sense 和自動化) 及外部應用程式間的雙向通訊。您可以使用端點，將資料傳遞至模型，並即時擷取結果，以程式設計方式預測。

即時預測窗格

即時預測窗格

即時預測窗格 ![即時預測窗格。](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_ml_realtime-predictions.png)

請執行下列動作：

1. 在 ML 部署中開啟即時預測窗格。

2. 使用複製按鈕將適用的 URL 或 JSON 複製到剪貼簿 (有關選取使用哪個別名的資訊，請參閱 [在即時預測中使用模型別名](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/creating-real-time-predictions.htm#AliasPredictions))。

3. 將對於機器學習 API 的呼叫合併到您自己的應用程式中，或使用您所需的工具手動呼叫 API。

   有關機器學習 API 的即時端點規格，請參閱[在同步請求/回應中產生預測](https://qlik.dev/apis/rest/ml/#post-v1-ml-deployments-deploymentId-realtime-predictions-actions-run)。

如需更多關於機器學習 API 的一般資訊，請參閱[機器學習 API](https://qlik.dev/apis/rest/ml/)。

## 即時預測需求

* 需要 API 金鑰才能使用即時預測端點。使用者必須具有租用戶中的管理 API 金鑰權限才能產生 API 金鑰。請參閱 [產生和管理 API 金鑰](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/mc-generate-api-keys.htm#Generating)。

* 必須啟用您正在使用的 ML 部署的來源模型才能進行預測。如需詳細資訊，請參閱：

  * [核准已部署的模型](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/approve-models.htm)

  * [以管理員身分處理模型核准](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/Admin/mc-approve-models-admin.htm)

* 您需要合適的權限才能處理 ML 部署和預測。如需詳細資訊，請參閱 [要求和權限](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/working-with-predictions.htm#Requirements)。

## 在即時預測中使用模型別名

您可以將多個模型新增至 ML 部署。ML 部署中使用別名系統，以允許動態交換用於預測的模型。如需詳細資訊，請參閱[使用 ML 部署中的多個模型](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/ml-deployment-available-models.htm)。

複製 URL 或 JSON 時，可以使用以下選項：

* 預設預測：使用此選項，從 ML 部署中的預設別名產生預測。

* 別名預測：若您想要根據已新增至 ML 部署的任何其他別名產生預測，請使用此選項。使用下拉式功能表選取別名，然後複製 URL 或 JSON。

## 檢視資料漂移和預測事件詳細資訊

執行即時預測後，開啟 ML 部署並探索操作監控和資料漂移監控窗格。在這些檢視畫面中，您可以評估：

* 預測中涉及的每個特徵的資料漂移程度。會在傳送到 Qlik Predict 即時預測 API 的資料和訓練資料集之間進行比較。

* 有關預測事件的詳細資訊，例如是成功或失敗，以及產生了多少個預測。

如需詳細資訊，請參閱：

* [監控已部署的模型操作](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/monitor-model-operations.htm)

* [監控已部署模型中的資料漂移](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/monitor-drift.htm)