Uso de APIs de aprendizado de máquina
Usar ServiceNow APIs de aprendizado de máquina (ML) para treinar modelos de aprendizado de máquina e executar inferências.
As APIs DE ML permitem o treinamento de soluções e o gerenciamento de versões da solução. Você pode obter e definir versões ativas, monitorar o status do treinamento e muito mais. A API DE ML também fornece codificadores, que permitem o uso de frequência de termo - frequência inversa do documento (TF-IDF) como um corpus de palavras. As estimativas de previsão permitem avaliar o valor preditivo das colunas da tabela.
Visão geral da classe de API ML
Esta seção descreve resumidamente as aulas para treinamento de soluções DE ML e execução de inferências com soluções treinadas.
- Conjuntos de dados
Um conjunto de dados é Um conjunto de registros, incluindo um nome de tabela, colunas e critérios de seleção de linha a serem usados como entrada para algoritmos de treinamento DE ML. Os conjuntos de dados não contêm os dados reais.
Para obter mais informações, consulte DatasetDefinition .
- Objetos DE ML - Soluções, codificadores e estimativas
Os objetos DE ML definem uma configuração de treinamento específica a ser aplicada em um conjunto de dados. Algumas operações são comuns em objetos DE ML. Os objetos de solução incluem classificação, cluster, regressão e semelhança.
Codificadores são objetos de processamento de texto que são pré-treinados ou treinados com base nos conjuntos de dados de idioma fornecidos. Você pode treinar codificadores que determinam como o sistema interpreta e processa campos de texto. Para soluções DE ML que incluem texto, você pode treinar um codificador para especificar como processar texto e usar o codificador treinado em uma solução.
PredictabilityEstimate Objects estimam quais campos em um conjunto de dados são previsíveis e os recursos nos quais essa previsão se baseia.
Para obter mais informações, consulte:- Lojas
Os objetos DE ML são mantidos em um armazenamento específico para cada tipo de objeto. Cada classe de armazenamento inclui métodos para operações de adição, obtenção, atualização e exclusão.
Para obter mais informações, consulte:- Versões
Cada objeto treinado resulta em uma nova versão na qual você pode executar tarefas. Use a API de versão para obter qualquer versão da solução e executar tarefas nela.
Para obter mais informações, consulte:
Reunindo: Fluxos de API DE ML
Requisitos do codificador de objeto de ML:
- Necessário em soluções de API de semelhança.
- Necessário em soluções de API de cluster, a menos que o algoritmo de distância Levenshtein seja usado, caso em que os codificadores são opcionais.
- Opcional para soluções de classificação e regressão.
- Indisponível para estimativas de previsão.
Introdução ao treinamento da solução de API ML
Siga este exemplo de detalhamento para saber como configurar e treinar uma solução.
- Configurar e treinar uma solução
- Defina um conjunto de dados usando DatasetDefinition API.
var myData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['assignment_group', 'short_description', 'description'], 'encodedQuery' : 'activeANYTHING' }); - Use o construtor para definir a solução, incluindo o conjunto de dados na configuração.
var mySolution = new sn_ml.ClassificationSolution({ 'label': "my solution definition", 'dataset' : myData, 'predictedFieldName' : 'assignment_group', 'inputFieldNames':['short_description'] }); - Adicione a definição da solução ao armazenamento usando adicionar() método.
var my_unique_name = sn_ml.ClassificationSolutionStore.add(mySolution); - Treine a solução usando SubmitTrainingJob() método. Após a conclusão do treinamento, você poderá gerenciar a solução treinada usando uma API de versão da solução. Uma solução pode ser treinada novamente várias vezes. Cada treinamento resulta em uma nova "versão" da solução na qual você pode executar inferências.
var myClassifierVersion = mySolution.submitTrainingJob();
- Defina um conjunto de dados usando DatasetDefinition API.
- Exibir todas as soluções de classificação em uma loja
- Você pode usar a loja ObterAllNames() método para ver uma lista de todas as soluções que foram adicionadas à loja.
gs.print(JSON.stringify(JSON.parse(sn_ml.ClassificationSolutionStore.getAllNames()), null, 2));Na saída, o sistema nomeou a solução
ml_x_snc_global_global_my_solution_definition. Use este nome em exemplos subsequentes para obter informações da versão.*** Script: [ "ml_incident_assignment", "ml_x_snc_global_global_my_solution_definition", "ml_incident_categorization" ]
Introdução às versões da solução da API ML
Siga estes exemplos de detalhamentos para saber como gerenciar versões de solução treinadas.
- Verifique o status do treinamento
Obtenha a solução de classificação na loja, escolha uma versão e verifique seu status de treinamento. Os métodos usados para verificar o status de treinamento são aplicáveis a todos os tipos de objeto DE ML.
- Obtenha a solução do armazenamento de soluções de classificação usando get() método.
// Get the solution created in the previous example from the classification solution store var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_my_solution_definition'); - Acesse a versão da solução mais recente usando GetLatestVersion() método de solução e obter seu status de treinamento usando GetStatus() método de versão.
// Access the latest version of the solution and print its training status gs.print(JSON.stringify(JSON.parse(mlSolution.getLatestVersion().getStatus(), null, 2)));Saída quando o treinamento estiver concluído:
*** Script: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"}
- Obtenha a solução do armazenamento de soluções de classificação usando get() método.
- Obtenha previsões usando uma versão da solução
- Depois que a solução for treinada, obtenha a versão treinada e execute uma previsão nela. Obtenha a solução que você criou na loja. Em seguida, escolha a versão treinada e preveja a versão treinada.Nota:Previsões não podem ser feitas em codificadores e estimativas de previsão.
- Obtenha a solução do armazenamento de soluções de classificação usando get() método.
// Get the solution created in the first example from the classification solution store var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_my_solution_definition'); - Use GlideRecord API get() Método para fornecer um registro da tabela Incidente [incidente].
// single GlideRecord input var input = new GlideRecord("incident"); input.get("<sys_id>"); - Opcional. Configure o. ClassificationSolutionVersion – Predict() método optionsparâmetro para retornar os três principais resultados e retornar todos os resultados.
// configure optional parameters var options = {}; options.top_n = 3; options.apply_threshold = false; - Declare uma variável chamada
resultadose atribua-o ao trabalho de previsão. Para executar o trabalho de previsão, obtenha a versão da solução mais recente usando ClassificationSolution – getLatestVersion() e chame o. ClassificationSolutionVersion – Predict() método nele.var results = mlSolution.getLatestVersion().predict(input, options); - Imprima a saída de resultados previstos.
gs.print(JSON.stringify(JSON.parse(results), null, 2));Saída de exemplo de resultados previstos:
*** Script: { "<sys_id>": [ { "confidence": 99, "threshold": 24.75, "predictedValue": "Email", "predictedSysId": "" }, { "confidence": 5.88210244009169, "threshold": 100, "predictedValue": "Email (I/f)", "predictedSysId": "" }, { "confidence": 2.3461203499840932, "threshold": 14.81, "predictedValue": "Authentication", "predictedSysId": "" } ] }
- Obtenha a solução do armazenamento de soluções de classificação usando get() método.