12、数据预处理、探索与机器学习模型部署监控指南

数据预处理、探索与机器学习模型部署监控指南

1. 数据预处理与探索

在数据处理与分析过程中，我们会用到一些实用工具和方法。比如，Insight Advisor 是一款强大的数据发现和可视化工具。当使用它进行自然语言查询时，能生成多种图表，像展示各国各产品类别销售情况的树形图、帕累托图和柱状图等，还会以书面形式给出一些见解。若想深入了解该工具，可以参考相关帮助页面，也可以用简单数据集进行实践操作。

在数据处理方面，我们要掌握 Qlik 的数据管理器，用它创建数据模型，创建计算字段并调查数据。构建良好的数据模型并对数据进行修改以适用于机器学习，是取得成功的关键。同时，Qlik 脚本也是一个重要的工具，我们可以用它执行数据转换，它有很多重要的函数和特性，并且可以和数据管理器中创建的模型结合使用。

数据验证和调查也很重要。我们要熟悉数据目录和数据谱系视图，并利用它们进行数据验证。因为在任何机器学习或数据分析项目中，数据验证都是关键步骤，在基于数据创建解决方案之前，理解数据是非常重要的。

2. 机器学习模型的部署与监控

理解机器学习模型的概念并构建模型只是实现其真正价值的开始，成功部署和持续监控这些模型对于确保它们在现实场景中的有效性和可靠性至关重要。在 Qlik 平台中，虽然大部分典型痛点由平台本身和组件设计处理，但我们仍需注意一些事项。模型部署后，持续监控其性能以识别潜在问题、保持准确性并防止意外故障是至关重要的。监控可以让我们了解模型的行为，帮助检测数据漂移或概念漂移，并便于识别性能随时间的下降情况。

在本地环境中，我们可以使用高级分析集成来创建和部署模型。一般来说，利用高级分析与 Qlik 应用程序的连接有两种方式：