Draaien & CLI¶
Deze pagina legt uit wat de CLI-vlaggen doen en hoe je gerichte runs draait. Wil je eerst gewoon íéts zien draaien? Doe de Snelstart met demodata.
In het kort
studentprognose(zonder vlaggen) draait beide sporen op de laatste beschikbare week/jaar.-w= peilweek,-y= collegejaar,-d= welk(e) spoor/sporen.- Output staat in
data/output/. Zie Output lezen.
Projectmap aanmaken¶
Draai eenmalig in je werkmap:
Dit schrijft de configuratie en mapstructuur:
configuration/configuration.json— configuratie met alle standaardwaardenconfiguration/filtering/base.json— leeg filter (geen opleiding-/herkomstfilter)data/input_raw/telbestanden/— map voor je Studielink-telbestandendata/input_raw/README.md— beschrijving van welke bestanden hier horendata/output/— map voor de output én de doorlopende audittrail (_totaal_*.xlsx)
Bestaat een bestand al, dan wordt het overgeslagen; je kunt init veilig opnieuw draaien. Eigen data klaarzetten doe je op Je data klaarzetten.
Wat voorspelt -w 16 -y 2024?¶
-w is de peilweek (kalenderweek 1–52) en -y het collegejaar waarvoor je een prognose wilt. -w 16 -y 2024 betekent: "gebruik alle vooraanmelddata tot en met week 16 van collegejaar 2024 en geef me het verwachte aantal inschrijvingen voor datzelfde jaar".
Voorbeeld · B Bedrijfskunde · NL (demodata)
178 vooraanmelders @ wk 16 → 520 verwacht @ wk 38 → 400 ingeschreven (77% yield)
De blauwe lijn toont de geobserveerde cumulatieve vooraanmelders tot peilmoment (wk 16); de oranje lijn extrapoleert naar week 38. De band groeit met de horizon: ±12 bij peilmoment, ±34 bij wk 38.
Waarom elke week opnieuw draaien?
Eén peilweek geeft het beeld van dat moment. Draai je wekelijks, dan volg je de trends mee — het knikpunt rond de 1-mei-deadline, een achterblijvende zomernaloop — en zie je vroege signalen om capaciteit en marketing tijdig bij te sturen.
Eerste run¶
Laat je -w en -y weg, dan kiest de pipeline automatisch de laatste beschikbare week en jaar uit je inputdata. Dat voorkomt dat de tool faalt omdat de huidige systeemweek nog niet in je trainingsdata zit.
studentprognose # beide sporen, laatste week/jaar (standaard)
studentprognose -w 10 -y 2024 # specifieke week en jaar
studentprognose -d c # alleen cumulatief spoor
studentprognose --noetl # data al eerder verwerkt — sla ETL over
CLI-referentie¶
Alle opties: studentprognose --help.
Subcommando's¶
| Commando | Beschrijving |
|---|---|
init |
Maak een nieuwe projectmap aan met configuratie en mappenstructuur |
benchmark |
Vergelijk alternatieve modellen (-d c of -d i verplicht, zie Benchmarks) |
tune |
Stem het cumulatieve spoor af (-d c verplicht, zie Hyperparameter tuning) |
Vlaggen¶
| Vlag | Waarden | Standaard | Beschrijving |
|---|---|---|---|
-w |
weeknummer(s) | laatste week in data | Voorspelweek(en), bijv. -w 10 of -w 8:12 |
-y |
jaar(en) | laatste jaar in data | Voorspeljaar(en), bijv. -y 2024 of -y 2023 2024 |
-d |
b / c / i |
b |
Dataset: both, cumulative, individual |
-sy |
f / h / v |
f |
Studentjaar: first-years, higher-years, volume |
-c |
pad | configuration/configuration.json |
Configuratiebestand |
-f |
pad | configuration/filtering/base.json |
Filterbestand |
--institution |
instellingscode(s) | alle instellingen | Beperk de teldata tot één of meer instellingen — zie hieronder |
-sk |
getal | 0 |
Skip N jaren (backtesting) |
--noetl |
— | uit | Sla ETL én validatie over |
--yes |
— | uit | Sla validatieprompts over (voor CI/CD) |
--no-warnings |
— | uit | Onderdruk UserWarning-meldingen (historisch realisme, ontbrekende lag-fallback) |
--dashboard |
— | uit | Genereer interactieve dashboards (data/output/visualisations/) |
--tune-target |
regressor / sarima / both |
regressor |
Welke trap tune afstemt |
--ci test N |
getal | — | Testmodus: beperkt tot N opleidingen |
Weekbereiken mogen: -w 8:12 = -w 8 9 10 11 12.
Eerstejaars als focus
De tool draait standaard op -sy f (eerstejaars). Volume (-sy v) is een vervolgstap — gebruik die pas als je eerstejaarsvoorspelling op orde is.
--institution¶
De landelijke Studielink-teldata bevat rijen van álle instellingen. Met --institution scoop je de run op je eigen instelling(en):
studentprognose -d c --institution 21PC # één instelling
studentprognose -d c --institution 21PC 00IC # meerdere
De vlag overschrijft de config-key institution_filter; laat je hem weg, dan geldt de configuratiewaarde. Een onbekende code stopt de run met een duidelijke fout. Zet je je eigen Brincode vast in de config, dan hoef je de vlag niet elke keer mee te geven.
Standaard reken je over álle instellingen
Zonder filter rekent het cumulatieve spoor over de héle landelijke teldata — zelden wat je wilt. De run print bij elke start één regel met de scope, zodat je nooit ongemerkt over de verkeerde (of alle) instellingen rekent. Zet daarom je eigen Brincode vast via institution_filter.
De tool vanuit Python of de cloud aansturen¶
Wil je studentprognose aanroepen vanuit een notebook, MS Fabric, Databricks of cloud-opslag, hyperparameters afstemmen, of het model evalueren met scalaire metrieken? Zie Gevorderd gebruik. Voor een gewone prognose via de command line heb je dat niet nodig.
Bekende valkuil: stille modus-downgrade¶
Let op bij -d b
Gebruik je -d both (standaard) maar ontbreekt de individuele aanmelddata (of mist die de verwachte jaren), dan valt de pipeline terug op -d cumulative. Je krijgt een waarschuwing, maar de output bevat dan alleen cumulatieve voorspellingen — geen ensemble, geen SARIMA_individual.
Verwacht je het ensemble? Controleer of de SARIMA_individual-kolommen in je output staan.
Veelvoorkomende fouten¶
Installatiefouten (command not found, ModuleNotFoundError) staan bij Installeren → Installatie mislukt?.
TerminatedWorkerError tijdens SARIMA (Windows)
Een worker-proces is op signaal-niveau gestopt — meestal geheugendruk bij veel parallelle workers op een laptop met beperkt RAM. De pipeline probeert automatisch opnieuw met 2 workers. Werkt dat niet, zet dan in configuration/configuration.json:
cpu_count: 1 schakelt parallelisatie uit. Trager, maar zonder worker-spawns en daarmee zonder deze klasse fouten.