Zeitreihenmodell bereitstellen

Nachdem Sie ein Modell in einem Projekt gespeichert haben, führen Sie die folgenden Schritte aus, um das Modell bereitzustellen:

1. Suchen Sie das Modell in der Liste der Projektassets.
2. Stufen Sie das Modell in einen Bereitstellungsbereich hoch.
3. Stufen Sie Nutzdaten in den Bereitstellungsbereich hoch.
4. Erstellen Sie im Bereitstellungsbereich eine Bereitstellung.

Hinweise zum Scoring

Bis zu diesem Punkt entsprechen die Schritte bei der Bereitstellung eines Zeitreihenmodells den Schritten bei der Bereitstellung eines Klassifikations- oder Regressionsmodells. Aufgrund der Art und Weise, wie Vorhersagen in einem Zeitreihenmodell strukturiert und generiert werden, muss Ihre Eingabe jedoch mit Ihrer Modellstruktur übereinstimmen. Die Art und Weise, wie Sie Ihre Nutzdaten strukturieren, hängt zum Beispiel davon ab, ob Sie ein einzelnes Ergebnis (univariat) oder mehrere Ergebnisse (multivariat) vorhersagen wollen.

Beachten Sie die folgenden allgemeinen Hinweise:

• Um die ersten Vorhersagefensterzeilen nach der letzten Zeile in Ihren Daten abzurufen, senden Sie leere Nutzdaten.
• Um den nächsten Wert abzurufen, senden Sie das Ergebnis aus der leeren Nutzdatenanforderung als nächste Scoring-Anforderung und so weiter.
• Sie können mehrere Zeilen als Eingabe senden, um Trends zu erstellen und den nächsten Wert nach einem Trend vorherzusagen.
• Wenn Sie über mehrere Vorhersagespalten verfügen, müssen Sie einen Wert für jede dieser Spalten in die Scoring-Anforderung einschließen.
• Wenn Sie die Bereitstellung konfigurieren, können Sie einen Wert für Schritte voraus angeben, um die Anzahl der vorherzusaenden Schritte zu ändern. Für stündliches Wetter könnten Sie beispielsweise 24 Schritte vorhersagen.

Scoring für eine Onlinebereitstellung durchführen

Wenn Sie eine Onlinebereitstellung erstellen, können Sie die Nutzdaten mithilfe eines Eingabeformulars oder durch Übergabe von JSON-Code übergeben. Das folgende Beispiel zeigt, wie Sie den JSON-Code strukturieren, um Vorhersagen zu generieren.

{
  "input_data": [
    {
      "fields": [
        "value1"
      ],
      "values": []
    }
  ]
}

{
    "predictions": [
        {
            "fields": [
                "prediction"
            ],
            "values": [
                [
                    12
                ]
            ]
        }
    ]
}

{
  "input_data": [
    {
      "fields": [
        "value1"
      ],
      "values": [
          [12]
          ]
    }
  ]
}

{
  "input_data": [
    {
      "fields": [
        "value1",
        "value2"
      ],
      "values": [
          [2, 1],
          ]
    }
  ]
}

Auf neuen Beobachtungen basierende Vorhersage

Wenn Sie die nächste Zeile nicht basierend auf dem vorherigen Schritt vorhersagen, sondern neue Beobachtungen eingeben möchten, geben Sie die Eingabedaten wie folgt für ein univariates Modell ein:

{
  "input_data": [
    {
      "fields": [
        "value1"
      ],
      "values": [
          [2],
          [4],
          [6]
          ]
    }
  ]
}

Geben Sie neue Beobachtungen für ein multivariates Modell wie folgt ein:

{
  "input_data": [
    {
      "fields": [
        "value1",
        "value2"
      ],
      "values": [
          [2, 1],
          [4, 3],
          [6, 5]
          ]
    }
  ]
}

Hierei sind 2, 4 und 6 Beobachtungen für value1 und 1, 3 und 5 Beobachtungen für value2.

Zeitreihenmodell mit Unterstützungsfunktionen bewerten

Nachdem Sie Ihr Modell bereitgestellt haben, können Sie auf der Seite mit den Details zu Ihrer Bereitstellung die Vorhersagewerte abrufen. Wählen Sie eine der folgenden Methoden zum Testen Ihrer Implementierung aus:

{
        "input_data": [
                {
                        "id": "observations",
                        "values": [
                                [
                                        96.125,
                                        3.958,
                                        1026.833
                                ]
                        ]
                },
                {
                        "id": "supporting_features",
                        "values": [
                                [
                                        3.208,
                                        1020.667
                                ]
                        ]
                }
        ]
}

Nächste Schritte

Speichern eines von AutoAI generierten Notizbuchs (watsonx.ai Runtime)

Übergeordnetes Thema: Zeitreihenexperiment erstellen