ClassificationSolutionVersion : Global

Die ClassificationSolutionVersion -API ist ein skriptfähiges Objekt, das in den Filialen Predictive Intelligence verwendet wird.

Diese(s) Die API erfordert das Plugin Predictive Intelligence (com.glide.platform_ml) und wird im Namespace sn_ml bereitgestellt.

Diese API wird zum Arbeiten mit Lösungsversionen basierend auf ClassificationSolution-API- Objekten im ClassificationSolution-Speicherverwendet.

Das System erstellt bei jedem Training einer Lösungsdefinition eine Lösungsversion. Die meisten Versionen werden während des geplanten Lösungstrainings erstellt.

Auf Methoden in dieser API kann mit den folgenden ClassificationSolution : Global -Methoden zugegriffen werden:

• abrufenAktiveVersion()
• abrufenAlleVersionen()
• abrufenAktuelleVersion()
• getVersion ()

ClassificationSolutionVersion – getPredictionPerformance(Object Options)

Berechnet die Genauigkeit und Abdeckung der Lösung.

Um diese Methode zu verwenden, müssen Sie zuerst Einstellungen mit der Methode „setPredictionSettings()“ erstellen.

Tabelle : 1. Parameter

Name	Typ	Beschreibung
Optionen	Objekt	Wählt eine Metrik aus, die innerhalb einer Datumsspanne abgerufen werden soll. Weitere Informationen finden Sie unter Zielmetriken konfigurieren. { "fromDate": "String", "metricName": "String", "toDate": "String" }
Optionen.abDatum	Zeichenfolge	Optional. Startdatum, ab dem Metriken im Systemdatums-/-zeitformat abgerufen werden sollen.
Optionen.Metrikname	Zeichenfolge	Name der Metrik Gültige Werte: precision coverage
Optionen.zuDatum	Zeichenfolge	Optional. Enddatum, ab dem Metriken abgerufen werden sollen. Format: Systemdatums-/-zeitformat.

Tabelle : 2. Rückgaben

Typ	Beschreibung
Objekt	Analysierbares JavaScript-Objekt, das die Ergebnisse für die Eingabemetrik enthält. { "metricName" : "String", "metricValue" : "String", "numberOfPredictionsConsidered" : "String" }
Objekt.Metrikname	Name der als Eingabe ausgewählten Metrik. Datentyp: Zeichenfolge
Objekt.Metrikwert	Wert der ausgewählten Metrik. Datentyp: Zeichenfolge
Objekt.AnzahlBerücksichtigterDatensätze	Anzahl der Datensätze in der Tabelle „Vorhersageergebnisse“ [ml_predictor_results], die für Berechnungen berücksichtigt werden. Datentyp: Zeichenfolge

Das folgende Beispiel zeigt, wie Sie einen Genauigkeitswert aus der aktiven Version einer Lösung abrufen.

// Get precision value
var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getPredictionPerformance({"metricName": "precision"})), null, 2));

Ausgabe:

{
  "metricName": "precision",
  "metricValue": "70.10",
  "numberOfPredictionsConsidered": "10"
}

ClassificationSolutionVersion – getPredictionSettings()

Ruft die geschätzte Genauigkeit, die geschätzte Abdeckung und die geschätzten Rückrufwerte aus der Tabelle „ML-Lösungen“ [ml_solution] und Datensätze aus der Tabelle „Klassenkonfidenz“ [ml_class] ab.

Tabelle : 3. Parameter

Name	Typ	Beschreibung
Keine

Tabelle : 4. Ergebnisse

Typ	Beschreibung
Objekt	Gibt Vorhersageeinstellungen für jede Klasse zurück. Die Daten umfassen Genauigkeits-, Abdeckungs-, Rückruf- und Verteilungswerte aller Klassen, die im trainierten Modell aus der Tabelle „ML-Lösungen“ [ml_solution] enthalten sind. Einzelheiten hierzu finden Sie unter Komponenten des Vorhersagemodells. { "<class name>": {Object} }
<Object>.<class name>	Trainingsstatistikdaten aus der Tabelle „Klassenkonfidenz“ [ml_class] Weitere Informationen finden Sie unter Zielmetriken konfigurieren. Datentyp: Objekt { "precision": "String", "coverage": "String", "recall": "String" }
<Object>.<class name> .Genauigkeit	Geschätzte Genauigkeitsmetrik der Lösung für diese Klasse. Datentyp: Zeichenfolge (numerischer Wert)
<Object>.<class name> .Abdeckung	Geschätzte Lösungsabdeckungsmetrik für diese Klasse. Datentyp: Zeichenfolge (numerischer Wert)
<Object>.<class name> .Rückruf	Geschätzte Lösungsrückrufmetrik für diese Klasse. Datentyp: Zeichenfolge (numerischer Wert)

Das folgende Beispiel zeigt, wie Sie die Vorhersageeinstellungen einer aktiven Lösungsversion abrufen.

var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getPredictionSettings()), null, 2));

Ausgabe:

{
  "solutionSettings": {
    "precision": "61.69",
    "coverage": "66.75",
    "recall": "57.54"
  },
  "classSettings": {
    "Approvals": {
      "precision": "100",
      "coverage": "0",
      "recall": "0"
    },
    "Authentication": {
      "precision": "38.71",
      "coverage": "98.44",
      "recall": "56.25"
    },
    "Automation": {
      "precision": "100",
      "coverage": "0",
      "recall": "0"
    }, ...

ClassificationSolutionVersion – getProperties()

Ruft Lösungsobjekteigenschaften ab und Versionsnummer.

Tabelle : 5. Parameter

Name	Typ	Beschreibung
Keine

Tabelle : 6. Ergebnisse

Typ	Beschreibung
Objekt	Inhalt der Details zu Datensatz und ClassificationSolution -Version. Die Ergebnisse variieren je nach Einrichtung der Objekteigenschaften. { "algorithmConfig": { "algorithm": "String", "targetClassRecall": "String" }, "datasetProperties": {Object}, "domainName": "String", "encoder": {Object}, "groupByFieldName": "String", "inputFieldNames": [Array], "isActive": Boolean, "label": "String", "name": "String", "predictedFieldName": "String", "processingLanguage": "String", "scope": "String", "stopwords": [Array], "stopwords": [Array], "trainingFrequency": "String", "versionNumber": "Number" }
<Object>.Algorithmuskonfiguration	Methode zum Codieren der Lösung. Datentyp: Objekt
<Object>.algorithmKonfiguration.algorithm	Name des Codierungsalgorithmus zum Trainieren dieser Lösung. Mögliche Werte: xgboost: XGBoost-Codierung zur Optimierung des Trainings. logisticRegression: Methode, die das logistische Regressionsmodell für kategorische Ziele wie nominell oder ordinal verwendet. Datentyp: Zeichenfolge
<Object>.algorithmConfig.targetClassRecall	Klassenrückrufparameter, um das Training einer Lösung so zu steuern, dass eine bestimmte Klasse beeinflusst wird. Der Rückrufwert ist eine Zahl zwischen 0 und 100, die einen Prozentsatz darstellt. Datentyp: Zeichenfolge
<Object>.datasetProperties	Listet die Eigenschaften des DatasetDefinition()- Objekts auf, das der Lösung zugeordnet ist. Datentyp: Objekt { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" }
<Object>.datensatzEigenschaften.tabellenname	Name der Tabelle für den Datensatz. Beispiel: „tableName“ : „Incident“. Datentyp: Zeichenfolge
<Object>.datasetProperties.fieldNames	Liste der Feldnamen aus der angegebenen Tabelle als Zeichenfolgen. Beispiel: „fieldNames“ : ["short_description", "priority"]. Datentyp: Array
<Object>.datasetProperties.fieldNames.fieldDetails	Liste von JavaScript-Objekten, die Feldeigenschaften angeben. Datentyp: Array von Objekten [ { "name": "String", "type": "String" } ]
<Object>.datasetProperties.fieldNames.fieldDetails.<object>.name	Name des Felds, das die Art der Informationen definiert, auf die dieser Datensatz beschränkt werden soll Datentyp: Zeichenfolge
<Object>.datasetProperties.fieldDetails.<object>.type	Feldtyp für maschinelles Lernen. Datentyp: Zeichenfolge
<Object>.datasetProperties.fieldDetails.encodedQuery	Codierte Abfragezeichenfolge im Standard-Glide-Format. Siehe Codierte Abfragezeichenfolgen. Datentyp: Zeichenfolge
<Object>.Domänenname	Domänenname, der diesem Datensatz zugeordnet ist. Siehe Domain Separation und Predictive Intelligence. Datentyp: Zeichenfolge
<Object>.Encoder	Encoder-Objekt, das dieser Lösung zugewiesen ist. Siehe Encoder: Encoder (Objektkonfiguration). Datentyp: Objekt
<Object>.groupByFieldName	Feldname, nach dem Datensätze vom System gruppiert werden, um Klassifizierungslösungen zu erstellen. Datentyp: Zeichenfolge
<Object>.eingabeFeldNamen	Liste der Eingabefeldnamen als Zeichenfolgen. Das Modell verwendet diese Felder, um Vorhersagen zu treffen. Datentyp: Zeichenfolge
<Object>.istAktiv	Kennzeichnung, die angibt, ob diese Version aktiv ist. Gültige Werte: wahr: Version ist aktiv. „falsch“: Version ist nicht aktiv. Datentyp: Zeichenfolge
<Object>.label	Gibt die Vorhersageaufgabe an. { "label": "my first prediction" } Datentyp: Zeichenfolge
<Object>.name	Vom System zugewiesener Name Datentyp: Zeichenfolge
<Object>.predictedFieldName	Gibt ein Feld an, das für die Vorhersagbarkeit trainiert werden soll. Datentyp: Zeichenfolge
<Object>.processingLanguage	Verarbeitungssprache im zweibuchstabigen ISO 639-1-Sprachcodeformat. Datentyp: Zeichenfolge
<Object>.scope	Objektbereich. Derzeit ist globalder einzige gültige Wert. Datentyp: Zeichenfolge
<Object>.Stoppwörter	Optional. Voreingestellte Liste von Zeichenfolgen, die das System basierend auf der Einstellung der Eigenschaft language automatisch generiert. Einzelheiten hierzu finden Sie unter Anwenderdefinierte Stoppwortliste erstellen. Datentyp: Array
<Object>.trainingFrequency	Die Häufigkeit, mit der das Modell neu trainiert werden soll. Mögliche Werte: jeden_30_Tage jeden_60_Tage jeden_90_Tage jeden_120_Tage jeden_180_Tage run_once Standard: run_once Datentyp: Zeichenfolge
<Object>.versionsnummer	Versionsnummer von ClassificationSolution -Objekt. Datentyp: Zeichenfolge

Im folgenden Beispiel werden Eigenschaften der aktiven Objektversion im Store abgerufen.

// Get properties
var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getProperties()), null, 2));

Ausgabe:

*** Script: {
  "datasetProperties": {
    "encodedQuery": "activeANYTHING^EQ",
    "fieldNames": [
      "short_description",
      "category"
    ],
    "tableName": "incident"
  },
  "domainName": "global",
  "inputFieldNames": [
    "short_description"
  ],
  "isActive": "true",
  "label": "Incident Categorization_Trainer",
  "name": "ml_incident_categorization",
  "predictedFieldName": "category",
  "processingLanguage": "en",
  "stopwords": [
    "Default English Stopwords"
  ],
  "versionNumber": "1"
}

ClassificationSolutionVersion – getStatus(Boolean IncludesDetails)

Ruft den Status des Schulungsabschlusses ab.

Tabelle : 7. Parameter

Name	Typ	Beschreibung
IncludeDetails	Boolean	Kennzeichnung, die angibt, ob der Status detailszurückgegeben werden soll. Gültige Werte: „wahr“: Zusätzliche Details zurückgeben. „falsch“: Es werden keine zusätzlichen Details zurückgegeben. Standardwert: False

Tabelle : 8. Ergebnisse

Typ	Beschreibung
Objekt	JavaScript-Objekt, das Informationen zum Schulungsstatus für enthält ein ClassificationSolution- Objekt. { "state": "String", "percentComplete": "Number as a String", "hasJobEnded": "Boolean value as a String", "details": {Object} }
<Object>.Status	Abschlussstatus des Trainings. Wenn der Trainingsauftrag einen Terminalstatus erreicht, verlässt er diesen Zustand nicht. Bei einem Status im Terminal-Bereich wird die Eigenschaft hasJobEnded auf truefestgelegt. Mögliche Werte: fetching_files_for_training präparieren_daten Erneut versuchen solution_cancelled (Terminal) solution_complete (Terminal) solution_error (Terminal) solution_incomplete „training_request_received“ „training_request_timed_out “ (Terminal) „training_solution“ „uploading_solution“ warten_für_Training Datentyp: Zeichenfolge
<Object>.hatAuftragBeendet	Kennzeichnung, die angibt, ob das Training abgeschlossen ist. Gültige Werte: „wahr“: Das Training ist abgeschlossen. „falsch“: Das Training ist unvollständig. Datentyp: Boolescher Wert als Zeichenfolge
<Object>.percentComplete	Schulungsfortschritt abgeschlossen. Wenn der Prozentsatz der Fertigstellung kleiner als 100 ist, befindet sich der Auftrag möglicherweise in einem Terminalstatus. Zum Beispiel, wenn das Training abläuft. Datentyp: Zahl als Zeichenfolge Bereich: 0 bis 100
<Object>.details	Objekt mit einer Liste zusätzlicher Schulungsdetails. Datentyp: Objekt

Das folgende Beispiel zeigt ein erfolgreiches Ergebnis mit abgeschlossenem Training.

// Get status
var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getStatus(true), null, 2)));

Ausgabe:

{
 "state":"solution_complete",
 "percentComplete":"100",
 "hasJobEnded":"true",
 "details":{"stepLabel":"Solution Complete"} // This information is only returned if getStatus(true);
}

Das folgende Beispiel zeigt ein nicht erfolgreiches Ergebnis mit abgeschlossenem Training.

// Get status
var solutionName = 'ml_x_snc_global_global_classification_solution';
var mlSolution = sn_ml.ClassificationSolutionStore.get(solutionName);
var trainingStatus = mlSolution.getLatestVersion().getStatus();

gs.print(JSON.stringify(JSON.parse(trainingStatus), null, 2));

Ausgabe:

{
 "state":"solution_error",
 "percentComplete":"100",
 "hasJobEnded":"true"
}

ClassificationSolutionVersion – getTrainingStatistik ()

Ruft alle Trainingsstatistiken für eine bestimmte Lösung ab.

Tabelle : 9. Parameter

Name	Typ	Beschreibung
Keine

Tabelle : 10. Ergebnisse

Typ	Beschreibung
Objekt	JavaScript-Objekt mit Statistiken für jede im Training enthaltene Klasse und Werten für jede Klasse, die vom Training ausgeschlossen wurde. Einzelheiten hierzu finden Sie unter Komponenten des Vorhersagemodells. { "includedClasses": {Object}, "excludedClasses": {Object} }
<Object>.includedClasses	Objekt, das Genauigkeits-, Abdeckungs-, Rückruf- und Verteilungswerte für jede Klasse im trainierten Modell enthält. Datentyp: Objekt "includedClasses": { "<class name>": { "distribution": "String", "statistics": [Array] },
<Object>.includedClasses.<class name> .distribution	Wert der Ergebniswahrscheinlichkeitsverteilung für diese Klasse. Datentyp: Zeichenfolge
<Object>.includedClasses.<class name> .Statistiken	Liste von Objekten, die Trainingsstatistikdaten bereitstellen Weitere Informationen finden Sie unter Zielmetriken konfigurieren. Datentyp: Array von Objekten [ { "coverage": "String", "precision": "String", "recall": "String", "selected": "String" } ]
<Object>.includedClasses.<class name> .statistiken.abdeckung	Geschätzte Lösungsabdeckungsmetrik für diese Klasse. Datentyp: Zeichenfolge (numerischer Wert)
<Object>.includedClasses.<class name> .statistiken.genauigkeit	Geschätzte Genauigkeitsmetrik der Lösung für diese Klasse. Datentyp: Zeichenfolge (numerischer Wert)
<Object>.includedClasses.<class name> .statistiken.rückruf	Geschätzte Lösungsrückrufmetrik für diese Klasse. Datentyp: Zeichenfolge (numerischer Wert)
<Object>.includedClasses.<class name> .Statistiken.ausgewählt	Kennzeichnung, die angibt, ob diese Klasse Datensätze enthält, die im Lösungstraining enthalten sind. Gültige Werte: wahr: Diese Klasse enthält Datensätze, die zum Trainieren der Lösung ausgewählt wurden. „falsch“: Diese Klasse ist vom Training ausgeschlossen. Datentyp: Zeichenfolge (boolescher Wert) Standardwert: false
<Object>.ausgeschlosseneKlassen	Verteilung und Zeilenanzahl aller vom Training ausgeschlossenen Klassen. Datentyp: Objekt "excludedClasses": { "<class name>": { "distribution": "0.11", "rowCount": "9" }
<Object>.ausgeschlosseneKlassen<class name> .distribution	Wert der Ergebniswahrscheinlichkeitsverteilung für diese Klasse. Datentyp: Zeichenfolge
<Object>.ausgeschlosseneKlassen<class name> .rowCount	Anzahl der vom Training ausgeschlossenen Zeilen. Datentyp: Zeichenfolge (numerischer Wert)

Das folgende Beispiel zeigt, wie Trainingsstatistiken aus der aktiven Lösung abgerufen werden.

// Get training stats
var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getTrainingStatistics()), null, 2));

Ausgabe:

{
  "includedClasses": {
    "Approvals": {
      "distribution": "0.43",
      "statistics": [
        {
          "precision": "100",
          "coverage": "0",
          "recall": "0",
          "selected": "true"
        }
      ]
    }, 
    "Authentication": {
      "distribution": "4.3",
      "statistics": [
        {
          "precision": "39.33",
          "coverage": "95.31",
          "recall": "54.69",
          "selected": "false"
        },
        {
          "precision": "100",
          "coverage": "0",
          "recall": "0",
          "selected": "false"
        },
     ...
    }
    ...
  "excludedClasses": {
    "ACE": {
      "distribution": "0.11",
      "rowCount": "9"
    },
    "AHA": {
      "distribution": "0.01",
      "rowCount": "1"
    }, 
    ...
}

ClassificationSolutionVersion – getVersionNumber()

Ruft die Versionsnummer von ab ein Lösungsobjekt.

Tabelle : 11. Parameter

Name	Typ	Beschreibung
Keine

Tabelle : 12. Ergebnisse

Typ	Beschreibung
Zeichenfolge	Versionsnummer.

Das folgende Beispiel zeigt, wie Sie eine Versionsnummer abrufen.

// Get version number
var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

gs.print("Version number: "+JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getVersionNumber()), null, 2));

Ausgabe:

Version number: 1

ClassificationSolutionVersion -vorhersage (Objekteingabe, Objektoptionen)

Ruft die Eingabedaten für eine Vorhersage ab.

Tabelle : 13. Parameter

Name	Typ	Beschreibung
Eingabe	Objekt	GlideRecord oder ein Array von JSON-Objekten, die Feldnamen und Werte als Schlüssel-Wert-Paare enthalten.
Optionen	Objekt	Optionale Werte zum Filtern von Vorhersageergebnissen. { "apply_threshold": Boolean, "top_n": Number }
Optionen.apply_threshold	Boolean	Kennzeichnung, die angibt, ob der Schwellenwert für die Lösung überprüft und auf den Ergebnissatz angewendet werden soll. Gültige Werte: wahr: Gibt Ergebnisse zurück, bei denen die Konfidenz größer als der Schwellenwert ist. „falsch“: Alle Ergebnisse zurückgeben. Standardwert: True
Optionen.top_n	Nummer	Wenn angegeben, werden die besten Ergebnisse bis zur angegebenen Anzahl von Vorhersagen zurückgegeben.

Tabelle : 14. Rückgaben

Typ	Beschreibung
Objekt	JSON-Objekt, das die nach sys_id oder record_number sortierten Vorhersageergebnisse enthält. { <identifier>: [Array] }
<Object>.<identifier>	Liste von Objekten mit Details für jedes Vorhersageergebnis. Datentyp: Array von Objekten <identifier>: [ { "confidence": Number, "predictedSysId": "String", "predictedValue": "String", "threshold": Number } ]
<Object>.<identifier> .<object>.confidence	Wert der Konfidenz, die der Vorhersage zugeordnet ist. Beispiel: 53,84. Datentyp: Zahl
<Object>.<identifier> .<object>.predictedSysId	Die sys_id des vorhergesagten Werts. Ergebnisse können aus jeder Tabelle stammen, in der Informationen vorhergesagt werden. Datentyp: Zeichenfolge
<Object>.<identifier> .<object>.predictedValue	Wert, der das Vorhersageergebnis darstellt. Datentyp: Zeichenfolge
<Object>.<identifier> .<object>.threshold	Wert des konfigurierten Schwellenwerts, der der Vorhersage zugeordnet ist. Datentyp: Zahl

Das folgende Beispiel zeigt, wie Vorhersageergebnisse für einepredict ()- Methode angezeigt werden, die einen GlideRecord nach sys_id als Eingabe akzeptiert und optionale Parameter einschließt, um die Top-3-Ergebnisse zu beschränken und den Schwellenwert auszuschließen.

var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

// single GlideRecord input
var input = new GlideRecord("incident");
input.get("<sys_id>");

// configure optional parameters
var options = {};
options.top_n = 3;
options.apply_threshold = false;

var results = mlSolution.getVersion(1).predict(input, options);
// pretty print JSON results
gs.print(JSON.stringify(JSON.parse(results), null, 2));

Ausgabe:

{
  "<sys_id/gr>": [
    {
      "confidence": 62.10782320780268,
      "threshold": 20.36,
      "predictedValue": "Clone Issues",
      "predictedSysId": ""
    },
    {
      "confidence": 6.945237375770391,
      "threshold": 16.63,
      "predictedValue": "Instance Administration",
      "predictedSysId": ""
    },
    {
      "confidence": 5.321061076300759,
      "threshold": 23.7,
      "predictedValue": "Administration",
      "predictedSysId": ""
    }
  ]
}

Das folgende Beispiel zeigt, wie Vorhersageergebnisse für einepredict ()- Methode angezeigt werden, die ein Array von Feldnamen als Schlüssel-Wert-Paare für die Eingabe akzeptiert und optionale Parameter einschließt, um die Top-3-Ergebnisse zu beschränken und den Schwellenwert auszuschließen.

var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

// key-value pairs input
var input = [{"short_description":"my email is not working"}, {short_description:"need help with password"}];

// configure optional parameters
var options = {};
options.top_n = 3;
options.apply_threshold = false;
var results = mlSolution.predict(input, options);

// pretty print JSON results
gs.print(JSON.stringify(JSON.parse(results), null, 2));

Ausgabe:

{
  "1": [
    {
      "confidence": 37.5023032262591,
      "threshold": 10.72,
      "predictedValue": "Authentication",
      "predictedSysId": ""
    },
    {
      "confidence": 24.439964862166583,
      "threshold": 23.7,
      "predictedValue": "Administration",
      "predictedSysId": ""
    },
    {
      "confidence": 11.736320486031047,
      "threshold": 100,
      "predictedValue": "Security",
      "predictedSysId": ""
    }
  ],
  "2": [
    {
      "confidence": 99,
      "threshold": 17.77,
      "predictedValue": "Email",
      "predictedSysId": ""
    },
    {
      "confidence": 3.182137005157543,
      "threshold": 10.72,
      "predictedValue": "Authentication",
      "predictedSysId": ""
    },
    {
      "confidence": 2.8773826570713514,
      "threshold": -1,
      "predictedValue": "Email (I/f)",
      "predictedSysId": ""
    }
  ]
}

ClassificationSolutionVersion – setPredictionSettings(Object Options)

Legt Genauigkeits-, Abdeckungs- oder Rückrufwerte auf Lösungs- oder Klassenebene fest.

Tabelle : 15. Parameter

Name	Typ	Beschreibung
Optionen	Objekt	Konfigurationswerte der Metrik. Informationen zu diesen Funktionen finden Sie unter Zielmetriken konfigurieren. { "metricName" : "String", "metricValue" : "String", "className" : "String" }
Optionen.Metrikname	Zeichenfolge	Name der festzulegenden Metrik. Gültige Werte: coverage precision recall
Optionen.Metrikwert	Zeichenfolge	Numerischer Wert, der der Metrik zugewiesen werden soll.
Optionen.Klassenname	Zeichenfolge	Optional. Name der Klasse, auf die Ergebnisse beschränkt werden sollen. Verwenden Sie die getTrainingStatistik() -Methode, um eine vollständige Liste der Klassen für eine Lösung abzurufen.

Tabelle : 16. Rückgaben

Typ	Beschreibung
Keine

Das folgende Beispiel zeigt, wie eine Genauigkeitsmetrik für eine Klasse namens Clone Issuesauf 89,5 festgelegt wird.

var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_classification');
var input = {"metricName" : "precision", "metricValue" : "89.5", "className" : "Clone Issues"};

mlSolution.getActiveVersion().setTrainingStatistics(input);