在 Qlik Sense 應用程式中視覺化預測資料

建立資料模型

選取您的資料

您需要將必要的資料新增至您的應用程式。這包含套用資料集 (在教學課程開始時上傳) 以及從預測產生的兩個資料集。

請執行下列動作：

1. 在新的應用程式中，按一下以從 資料目錄 新增資料。

2. 在資料目錄中，按一下下列三個資料集旁邊的核取方塊：

   • 套用資料集： ML - Churn data - apply.csv 或 ML - Churn data - apply.qvd

   • 預測資料集：ML - Prediction output.parquet

   • 座標 SHAP 資料集：ML - Prediction output_Coordinate_SHAP.parquet

3. 按一下 下一步。

4. 摘要面板隨即出現。按一下 ML - Churn data - apply 資料集以展開可載入的可用欄位。

5. 按一下在模型訓練期間取消選取的任何特性旁邊的 圖示。您需要將 AccountID 保留在清單中，因為它是索引鍵欄位。如需參考，請返回您建立的預測設定，並比較模型和套用資料集結構描述 (如需一般說明，請參閱 編輯預測設定)。

6. 按一下 載入至應用程式。

關聯資料

此時，您已將資料新增至應用程式，但在您將資料集關聯在一起之前，不會建構連接的資料模型。在此情況下，AccountID 欄位將是連結資料集的索引。

在您的應用程式中，現在已開啟 資料管理員。您將看到三個資料集，但它們顯示為未連接的獨立實體。

請執行下列動作：

1. 在您的應用程式中，現在已開啟 資料管理員。您將看到三個資料集，但它們顯示為未連接的獨立實體。

2. 在 資料管理員 的右側窗格中，尋找 AccountID 關聯建議。

3. 按一下 套用。表格現在應該已連接在一起。

4. 按一下 載入資料。

在 資料模型檢視器 中檢查您的關聯

在應用程式中建置任何視覺化之前，您應該驗證資料是否已正確關聯。

請執行下列動作：

1. 在介面頂端的導覽列中，開啟應用程式導覽功能表並選取 資料模型檢視器。

2. 檢查三個資料集是否已正確連接。AccountID 欄位應作為所有三個資料集的索引鍵。應用程式的資料模型應如下圖所示。

   

您現在已準備好開始建置分析內容。按一下導覽列中 分析 索引標籤內的 工作表。

第一個工作表：彙總預測儀表板

第一個工作表將著重於以彙總形式分析預測。

請執行下列動作：

1. 您現在應該處於工作表編輯模式。

2. 以滑鼠右鍵按一下工作表中的任何現有視覺化，然後將其刪除。這是一個圖表建議功能，我們不會在本教學課程中使用。

3. 為工作表指定標題，例如 Aggregated Predictions。若要執行此操作，請按一下空白工作表中的任何位置，以開啟介面右側的 工作表屬性。在 標題 下，輸入工作表的名稱。

圓形圖

圓形圖可讓您輕鬆視覺化資料的比例解析。在此情況下，依預測結果 (yes 或 no) 解析資料是合理的。

請執行下列動作：

1. 將圓形圖拖曳至工作表。

2. 新增 Churned_predicted 作為維度。

3. 新增下列量值：

   Count(AccountID)

4. 如有需要，請在屬性面板中的 外觀 > 簡報 下關閉 維度標籤。

5. 在屬性面板中的 資料 下展開維度，並將維度的 標籤 修改為 Predicted to Churn。

   標籤會在圖例中更新。

篩選窗格

此儀表板將用於對整個資料模型進行廣泛分析。然而，能夠跨各種維度快速篩選資料以分析特定群體，幾乎肯定是重要的。

建立具有多個清單方塊的篩選窗格。每個清單方塊允許在單一維度內選取值。

請執行下列動作：

1. 將篩選窗格拖曳至工作表。

2. 將欄位新增至篩選窗格。這些可能是您預期對預測結果有重大影響的維度。

3. 視需要按一下屬性面板中 資料 下的欄位來修改每個清單方塊。這會開啟 清單方塊屬性。

   例如，您可能想要變更欄位標籤，並將 摺疊清單方塊 設定為 一律 以節省工作表空間。

調整篩選窗格的大小，使其顯示為工作表一側的面板。

KPI 物件

KPI 是為資料的特別重要分析顯示單一值的絕佳方式。在此，我們將建立三個 KPI 圖。

請執行下列動作：

1. 建立空白的 KPI 圖。新增下列量值：

   =Count(Churned_predicted)

   這將計算我們已為其產生流失預測的客戶總數。

2. 將量值標示為 Total # of Customers。

3. 將 數字格式 設定為 數字，並以 1,000 格式呈現值 (不含小數或百分比值)。

4. 建立另一個空白的 KPI 圖。新增下列量值：

   =Count({<Churned_predicted={"yes"}>}(Churned_predicted))

   這是一個集合運算式，計算在 Churned_predicted 欄位中顯示 yes 值的次數。

5. 將量值標示為 Predicted to Churn。

6. 使用與第一個 KPI 相同的設定來設定圖表的數字格式。

7. 建立第三個空白的 KPI 圖。新增下列量值：

   =Count({<Churned_predicted={"no"}>}(Churned_predicted))

   這會計算在 Churned_predicted 欄位中顯示 no 值的次數。

8. 將量值標示為 Predicted to Stay。

直方圖

您可以使用直方圖視覺化預測機率值的分布。

將直方圖拖曳至工作表並為其指定標題。新增 Churned_yes 作為維度。

堆疊橫條圖

若要依類別欄位 (例如方案類型) 分析預測，您可以建立橫條圖，並將個別的集合分析堆疊在一起。

請執行下列動作：

1. 將橫條圖拖曳至工作表，並將其標題命名為 Churn Predictions by Plan Type。

2. 新增 PlanType 作為維度。將其標示為 Plan Type。

3. 新增下列量值：

   =Count({<Churned_predicted={"no"}>}(Churned_predicted))

   將量值標示為 Predicted to Stay。

4. 新增下列量值：

   =Count({<Churned_predicted={"yes"}>}(Churned_predicted))

   將量值標示為 Predicted to Churn。

5. 在 外觀 > 簡報 下，將版面配置從 群組 變更為 堆疊。

6. 移除捲軸並將 值標籤 設定為 開啟。

7. 將 區段標籤 和 總計標籤 設定為 自動。

完成後，您可以建立具有相同兩個量值但具有不同類別維度 (例如 NumberOfPenalties) 的類似橫條圖。

用於分析個別數值欄位值的分布圖

分布圖可用於透過具有多樣化數值的量值來呈現預測資料。在本區段中，您將建立一個圖，以依基本費用顯示流失預測，並針對客戶的服務評等進行不同的分組。

請執行下列動作：

1. 將分布圖拖曳至工作表，並將其標題命名為 Churn Predictions by Base Fee and Service Rating。

2. 新增 AccountID 作為點的維度。

3. 在 x 軸上新增下列量值：

   =Avg(BaseFee)

4. 在 y 軸上新增下列計算維度：

   =Round(ServiceRating,2)

   這會沿著 y 軸為大約的 ServiceRating 值建立分組。值越高，表示客戶對其服務品質的評等越高。

5. 在 外觀 > 簡報 下，將 氣泡大小 縮小至 20，並開啟 抖動點。

6. 在 色彩和圖例 中，將 色彩 設定為 自訂。

7. 選取依下列維度為資料著色的選項：

   =Churned_predicted

   這將為 Churned_predicted 欄位中的每個值指派一種色彩。在此情況下，將顯示兩種色彩。

8. 將標籤新增至維度和量值，並將下列標籤新增至自訂色彩設定：Predicted to Churn。

透過以其他欄位彙總取代 BaseFee 量值，可以建立類似的圖來分析不同的數值欄位。

設定工作表上的視覺化，使其看起來與下圖類似。

第二個工作表：彙總 SHAP 儀表板

接下來，建立一個專用於分析彙總 SHAP 值的工作表。

請執行下列動作：

1. 建立新的工作表。

2. 為工作表指定標題 (例如， Aggregated SHAP)。

SHAP 重要性排名

這種類型的圖與您在設定實驗版本時可能看過的自動產生圖類似。在此，我們將為預測資料集製作一個。

這種類型圖的目的是顯示對 Churned 欄中看到的結果貢獻最大的特性。我們需要注意，由於我們將使用絕對值，因此 SHAP 結果可能是正數 (yes 的值) 或負數 (no 的值)。如果您願意，也可以使用不計算絕對值的運算式。

請執行下列動作：

1. 將橫條圖拖曳至空白工作表。

2. 將圖標題命名為 SHAP Importance by Feature。

3. 新增 automl_feature 作為維度，並將其標示為 Feature。

   這可讓您呈現所有包含特性的彙總資料。

4. 新增下列計算量值：

   =fabs(Avg(SHAP_value))

5. 在 標籤 下，輸入 Average Absolute SHAP。

6. 在屬性面板中的 外觀 > 簡報 下，移除捲軸 (如果存在)，並將圖方向從 垂直 設定為 水平。

7. 在 排序 下，如果尚未完成，請將量值拖曳至維度上方。將每個欄位的排序保留為 自動。

   這會依量值以遞減模式對圖進行排序。

Trellis container/格狀容器

您可以製作 Trellis container/格狀容器，以篩選維度內特定欄位值的資料。在此情況下，我們可以解析提供給客戶的四種方案類型中每一種的 SHAP 值。

若要建立 Trellis 物件，您需要指定維度和主要視覺化。我們將把剛建立的 SHAP 重要性排名轉換為主要視覺化。

請執行下列動作：

1. 以滑鼠右鍵按一下工作表中的 Average Absolute SHAP 圖，然後選取  新增至主項目。
2. 保留預設名稱並按一下 新增。

3. 在資產面板中的 自訂物件 > Qlik Visualization bundle 下，將 Trellis container/格狀容器拖曳至工作表。

4. 新增 PlanType 作為維度。

5. 按一下圖內的 新增主要視覺化，然後新增 Average Absolute SHAP 圖。

6. 在屬性面板中的 外觀 > 一般 下，開啟 顯示標題，並將圖標題命名為 SHAP Importance by Plan Type。

7. 調整 Trellis container/格狀容器的大小，使其夠寬以顯示圖中的特性名稱。如果未顯示所有標籤，請調整瀏覽器視窗中的縮放比例。

或者，您可以透過為您要分析的每個維度值建立具有集合運算式的個別圖來顯示此資料。在此情況下，您可以為四種方案類型中的每一種建立個別的圖。

重複使用篩選窗格

您在第一個工作表上建立的篩選窗格可以在此工作表上重複使用。在工作表編輯模式中，以滑鼠右鍵按一下篩選窗格並將其複製。將其貼上至 Aggregated SHAP 工作表。

樹狀圖

您也可以使用樹狀圖視覺化 SHAP 值的解析。將樹狀圖拖曳至工作表，並新增您在 SHAP 重要性排名中使用的相同維度和量值。

設定工作表上的視覺化，使其看起來與下圖類似。

使用應用程式

完成建置應用程式後，即可將其用於資料分析。

按一下 編輯工作表 以切換至分析模式。在此檢視中，您可以進行選取 (在篩選窗格或工作表中的其他位置) 以篩選資料，從而對資料子集進行特定分析。例如，您可能想要分析特定的客戶方案類型或區域，並將結果與其他資料子集進行比較。

謝謝您！

您已到達本教學課程的結尾。我們希望您學到了一些東西，並了解到自動化機器學習是產生預測模型的快速且簡單的方法。Qlik Sense 是一個強大的工具，可讓您輕鬆視覺化預測資料，並為您的資料提供有意義的見解。