使用時間序列模型的預測
部署時間序列模型後，您可以使用它來對新資料建立預測。若要建立時間序列預測，請準備包含所需資料和結構的套用資料集。如需完整詳細資訊，請參閱 準備應用資料集。
預測機制
時間序列模型預測的程序與分類和迴歸模型有一些不同。
分類和迴歸模型會針對套用資料集中不存在或未知的整個欄位預測未來值。例如，假設您有一個二元分類模型，可預測 流失 欄位的未來值。套用資料集通常不會包含 流失 欄位，如果存在，則會將其忽略—相反地，此欄位的值是由模型作為預測所產生。
另一方面，使用時間序列模型時，預測會建立為列而不是欄。預測仍然是針對目標欄位所產生，但它們是對應於特定未來時間值的記錄。訓練資料集和套用資料集之間的欄位結構不會改變。
此外，分類或迴歸模型的套用資料集不應包含您想要產生預測的任何目標值。另一方面，時間序列模型的套用資料集需要包含一些歷史目標和特性值，以對應模型的套用視窗。這些需求在 準備應用資料集 中有進一步的說明。
用於建立套用資料集的可用工具
Qlik Cloud 中提供下列工具，可協助您建置並動態產生資料集：
-
Qlik 指令碼，可在應用程式中的 資料載入編輯器 中使用，以及可從 分析 活動中心存取的獨立指令碼編輯器。
-
表格配方，可作為獨立工具從 分析 活動中心提供使用。表格配方旨在建立單一表格資料集，例如機器學習中使用的資料集。
-
資料流程，可作為獨立工具從 分析 活動中心提供使用。
-
分析應用程式中的 資料管理員。
常用操作
變更特性類型
在準備套用資料集時，您可能需要轉換欄以修改其特性類型。
最常見的範例是，如果您有一個數值欄，且已在模型中將其設定為群組。當您在實驗中選取一個特性作為群組時，如果其特性類型尚未變更，則會自動變更為類別，以便將其作為群組處理。當您新增用於預測的套用資料集時，欄資料可能仍包含數值特性資料，因此您需要將該欄變更為字串資料，以便將其識別為類別特性。使用 Qlik 指令碼 (使用 text() 函數) 或其他 Qlik 資料準備工具 (例如表格配方和資料流程)，即可輕鬆完成此轉換。
如需使用 Qlik 指令碼的範例，請參閱 準備資料集。
模型重新訓練
如果您需要為新的群組值 (訓練資料中不存在的值) 建立預測，則需要使用包含這些新群組值的訓練資料來訓練新模型。如需詳細資訊，請參閱 準備應用資料集。
預測時遺漏群組值
使用已部署的時間序列模型進行預測時，遺漏群組值的處理方式會有所不同，具體取決於這些值是針對 主要或次要群組。如需詳細資訊和因應措施，請參閱 準備應用資料集。
限制
-
時間序列模型無法使用資料漂移監控。
-
在使用時間序列模型進行預測時，無法產生 SHAP 資料集。
-
Qlik Predict 分析連接器不支援時間序列模型。
如需與時間序列實驗相關的限制，請參閱 限制與注意事項。