# 透過 Qlik Predict 進行機器學習

自動化機器學習尋找資料中的模式並用來對未來資料進行預測。在 Qlik Cloud 分析 中的機器學習實驗可讓您與其他使用者合作，並在 Qlik Sense 應用程式中整合您的預測分析。除了進行預測，也可以進行影響預測結果的重要功能深度分析。

從目錄載入歷史資料，開始自動化機器學習流程，然後選擇最適合使用案例的機器學習模型。部署模型以對商務問題的結果進行預測。探索影響預測結果的變數，並徹底理解資料。

您可以透過以下方式存取 Qlik Predict：

* 透過 Qlik Cloud 使用者介面。使用在 Qlik Predict 說明文件中的各處顯示的工作流程來建立實驗和部署。

* 使用 Qlik Answers，您可以建立使用自然語言的端對端機器工作流程。

  [在 Qlik Answers 中使用機器學習](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/QlikAnswers/predict-agent.htm)

* 開發人員可以使用 [機器學習 API](https://qlik.dev/apis/rest/ml/)，將 Qlik Predict 功能整合到他們自己的工作流程中。如需關於協助您入門的教學課程，請參閱[自動化機器學習教學課程](https://qlik.dev/embed/machine-learning/tutorial/tutorial-overview/)。

Qlik Cloud 政府備註

Qlik Cloud 政府 不支援 Qlik Predict。

## 在 Qlik Answers 中使用機器學習

使用自然語言執行 Qlik Predict 工作流程，從資料集洞察到預測。

## 開始使用機器學習

## 理解機器學習

了解機器學習背後的基本概念，以及為何您可能想使用。

## 定義機器學習問題

了解如何定義您的機器學習問題並追蹤結構化架構。

## 準備訓練資料集

了解如何準備您的資料集，以用於訓練機器學習模型。

## Qlik Predict 限制和容量

瞭解適用於 Qlik Predict 以及 Qlik Cloud 平台的防護措施與限制。

## 使用實驗

## 使用 ML 實驗

取得自動化機器學習流程概述並開始建立實驗。

## 使用時間序列實驗

了解如何訓練模型以執行時間特定預測。

## 解譯模型效能

瞭解可用於評分預測模型的模型指標。

## 精簡模型

您可以如何改善預測模型？在此瞭解更多資訊 。

## 使用 ML 部署

## 部署模型

若您已產生準備好對新資料進行預測的模型，請將其部署到 ML 部署。

## 使用 ML 部署

了解如何部署模型、管理 ML 部署，以及啟用已部署模型以進行預測。

## 使用預測

## 使用預測

了解如何使用您的 ML 部署，以透過介面或 API 建立預測。

## 建立批次預測

使用 ML 部署介面產生包含預測性資料的資料集。

## 在預測期間產生 SHAP 資料集

了解如何使用 SHAP 值來理解您在進行預測時資料背後的關鍵驅動因素。

## 建立即時預測

了解如何存取和使用機器學習 API，以針對一列或少數幾列資料產生即時預測。

## 透過 Qlik Predict 分析連接器預測

使用 Qlik Predict 分析連接器與您的部署進行通訊，並直接在應用程式和指令碼中進行預測。

## 實作教學課程與指南

## 教學課程 – 產生並視覺化預測資料

此教學課程向您呈現如何建立和訓練實驗、部署模型並產生預測，以及在 Qlik Sense 應用程式中視覺化預測資料。

## 教學課程 — 使用多變量時間序列預測來預測銷售額

本教學課程將引導您使用可執行時間特定預測的模型，進行訓練、部署和預測的流程。

## 範例 - 使用 Qlik Predict 分析連接器進行假設分析

在此範例中，從頭到尾探索真實世界的假設情境。

## Qlik Predict 影片

觀看某些短片以便開始使用機器學習。

相關學習內容：

* [什麼是 Qlik Predict](https://help.qlik.com/lnk/What_is_AutoML)
* [Qlik Predict 介紹](https://help.qlik.com/lnk/Introduction_Qlik_AutoML)

## 瞭解更多資訊

* [什麼是 Qlik Predict](https://help.qlik.com/lnk/What_is_AutoML)
* [Qlik Predict 介紹](https://help.qlik.com/lnk/Introduction_Qlik_AutoML)