# 教學課程 – 產生並視覺化預測資料

此教學課程教您如何使用 Qlik Predict 訓練並部署機器學習模型，以進行預測。這也會教您如何可以視覺化 Qlik Sense 應用程式中的預測資料。

我們將會考慮客戶流失的情境，這是二進位分類問題的經典範例。 目標是能夠可靠地預測客戶會取消訂閱或維持服務訂閱者身分。此問題類型中只有兩個結果：真或假 (已流失或未流失)。

為了處理此機器學習問題，我們將會從處理已知結果的資料集開始，然後將從資料建立的統計模型套用至我們想要預測結果的新資料。

我們將會建立實驗以開始本教學課程。由此，您將訓練模型並在 ML 部署中部署其中一個模型。此 ML 部署將會用來建立預測，這可在 Qlik Sense 應用程式中視覺化。

## 您將會學習的內容

完成本教學課程後，您將會理解涉及建立和設定實驗的不同步驟。您也會瞭解如何解譯模型分數。最後，您將能夠部署機器學習模型，並將會理解預測資料可以如何用來在 Qlik Cloud 分析 中產生精彩的 Qlik Sense視覺化。

依照預設，Qlik Predict 會透過智慧模型最佳化訓練模型。透過智慧最佳化，可在訓練流程期間執行自動精簡。這會提升模型準備好在單一版本後部署的可能性，不太需要進一步反覆運作。

## 誰應完成本教學課程

本教學課程的設計適合想要在 Qlik Cloud 分析 中採用自動化機器學習和資料視覺化的使用者。某些機器學習和 Qlik Sense 的基本知識很實用，但不是必要。

若要完成本教學課程，您需要在 Qlik Cloud 租用戶和您將要工作的空間中擁有適當的權限。其中一些是由管理員指派。如果您在教學課程中遇到權限錯誤，請聯絡您的租用戶管理員。您需要以下權限：

* 建立和使用 ML 實驗

  [ML 實驗的建立、使用與管理](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#CreateUseExp)

* 建立和使用 ML 部署

  [模型部署與建立 ML 部署](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#ModelDeployment)

  [ML 部署管理](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#ManagementMLDeploy)

  [執行批次預測](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#RunningBatch)

* 啟用已部署的模型

  [模型核准](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/who-can-work-with-automl.htm#ModelApproval)

* 使用分析應用程式

## 開始前需要進行的事項

首先，您需要下載以下連結的教學課程材料。在 CSV 和 QVD 工作流程之間選擇。下載預先設定的應用程式為選擇性質。

若您已下載所需的材料，請在桌面解壓縮。

* [MLTutorialDataCSV](https://help.qlik.com/zh-TW/cloud-services/tutorials/MLTutorialDataCSV.zip)：包含 CSV 格式的教學課程資料。此選項更容易快速開始使用。

* [MLTutorialDataQVF](https://help.qlik.com/zh-TW/cloud-services/tutorials/MLTutorialDataQVF.zip)：包含 .qvf 指令碼格式的教學課程資料，可執行以建立 QVD。此選項需要的時間比 CSV 更長一點，但很實用，可引導您使用 Qlik 資料格式和指令碼。

* [MLTutorialPreConfiguredApp](https://help.qlik.com/zh-TW/cloud-services/tutorials/MLTutorialPreConfiguredApp.zip)：此項目是選用。這是您將在教學課程期間建置的 Qlik Sense 應用程式副本範例。這可讓您略過訓練和部署階段，更快速地透過預測性應用程式開發獲得實務體驗。

  如需詳細資訊，請參閱[替代工作流程：上傳預先設定的應用程式](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/tutorial-predictions-app.htm#Alternat)。

訓練資料集包含關於客戶的資訊，這些客戶已超過續約期限，並已決定要流失或維持訂閱服務。

套用資料集包含關於新客戶集合的詳細資訊，這些新客戶尚未超過續約日期。尚未決定這些客戶是否會取消服務。本教學課程的目標是預測此客戶集合將會怎麼做，並希望我們可以降低流失的可能性。

### 選項 1：Qlik Predict 教學課程資料集 (CSV)

請執行下列動作：

1. 開啟 分析 活動中心。

2. 前往「建立」頁面，選取資料集，然後選取上傳資料檔案。

3. 將 ML - Churn data - training.csv 檔案拖曳至上傳對話方塊。

4. 接下來，將 ML - Churn data - apply.csv 檔案拖曳至上傳對話方塊。

5. 選取空間。這可以是個人空間或共用空間 (若您希望其他使用者能夠存取此資料)。

6. 按一下上傳。

現在您的資料集上傳後，就能繼續建立實驗。

### 選項 2：Qlik Predict 教學課程資料集 (QVD)

請執行下列動作：

1. 開啟 分析 活動中心。

2. 前往「建立」頁面，選取上傳，然後選取指令碼。

3. 將這些檔案拖曳至上傳對話方塊：

   * ML - Churn data - training.qvf

   * ML - Churn data - apply.qvf

4. 選取空間。這可以是個人空間或共用空間 (若您希望其他使用者能夠存取此資料)。

5. 按一下上傳。

6. 對於每個上傳的指令碼，進行下列事項：

   1. 開啟指令碼並切換至編輯器索引標籤。

   2. 在編輯器中，按一下匯出資料。

   就會在上傳指令碼的相同空間中建立 QVD 資料集。

現在您的資料集建立後，就能繼續建立實驗。

## 本教學課程的授課單元

本教學課程中主題的設計應按順序完成。不過，您可以隨時離開並返回。

1. [建立與設定實驗](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/tutorial-creating-configuring.htm)
2. [檢閱並精簡模型](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/tutorial-reviewing-versions.htm)
3. [部署並核准您的模型](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/tutorial-deploying-model.htm)
4. [建立預測資料](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/tutorial-creating-predictions.htm)
5. [在 Qlik Sense 應用程式中視覺化預測資料](https://help.qlik.com/zh-TW/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/tutorial-predictions-app.htm)

## 進一步閱讀與資源

* 當您想了解更多資訊時，[Qlik](http://www.qlik.com/) 提供各種豐富的資源。
* 提供 [Qlik 線上說明](http://help.qlik.com/)。
* 您可以在 [Qlik Learning](https://learning.qlik.com/) 取得訓練，包含免費線上課程。
* 您可以在 [Qlik Community](http://community.qlik.com/) 中找到討論論壇、部落格等內容。

## 您的意見很重要

我們對於您可能有的任何意見反應都十分感謝。請使用以下區段讓我們瞭解我們的表現如何。