使用時間序列模型的預測
部署時間序列模型後，您可以用來在新資料上建立預測。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 準備套用資料集。
預測機制
時間序列模型預測的流程與分類和迴歸模型有些不同。
分類和迴歸模型會預測應用資料集中不存在或未知之整個欄位的未來值。例如，假設您有一個二元分類模型，可預測已流失欄位的未來值。應用資料集通常不會包含已流失欄位，如果存在，則會忽略—相反地，此欄位的值是由模型產生作為預測。
另一方面，對於時間序列模型，預測是作為列而非欄位建立的。預測仍會針對目標欄位產生，但它們是與特定未來時間值對應的記錄。欄位的結構在訓練和套用資料集之間不會改變。
此外，用於分類或迴歸模型的套用資料集不應包含您希望為此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與模型套用視窗相對應的歷史目標和特徵值。這些要求在 使用時間序列模型的預測 中有進一步的說明。
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。
經常需要的操作
變更特徵類型
準備套用資料集時，可能需要轉換欄以修改其特徵類型。
最常見的範例是，如果您有一個已在模型中設定為群組的數字欄。當您在實驗中選取一個特徵作為群組時，如果其特徵類型尚未變更，會自動變更為類別，以便將其視為群組處理。當您新增套用資料集以進行預測時，欄資料仍可能包含數字特徵資料，因此您需要將欄變更為字串資料，以便將其識別為類別特徵。這種轉換可以輕鬆地使用 Qlik 指令碼 (使用 text() 函數) 或使用其他 Qlik 資料準備工具 (例如表格配方和資料流程) 來進行。
如需使用 Qlik 指令碼的範例，請參閱 準備資料集。
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 限制和考慮事項。