ClassificationSolutionVersion – Global

  • Freigeben Version: Yokohama
  • Aktualisiert 30. Januar 2025
  • 10 Minuten Lesedauer

    • Die ClassificationSolutionVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.

    Diese(s) API erfordert Predictive IntelligencePlugin (com.glide.platform_ml) und wird in bereitgestellt sn_ml Namespace.

    Diese API wird für die Arbeit mit Lösungsversionen basierend auf verwendet ClassificationSolution API Objekte in ClassificationSolution Store .

    Das System erstellt jedes Mal eine Lösungsversion, wenn Sie eine Lösungsdefinition trainieren. Die meisten Versionen werden während des geplanten Lösungstrainings erstellt.

    Methoden in dieser API sind über Folgendes zugänglich KlassifizierungLösung – GlobalMethoden:

    ClassificationSolutionVersion – getPredictionPerformance(Objektoptionen)

    Berechnet die Genauigkeit und Abdeckung der Lösung.

    Zur Verwendung dieser Methode müssen Sie zuerst Einstellungen mit erstellen SetPredictionSettings() Methode.

    Tabelle : 1. Parameter
    Name Typ Beschreibung
    Optionen Objekt Wählt eine Metrik aus, die innerhalb eines Datumsbereichs abgerufen werden soll. Weitere Informationen finden Sie unter Zielmetriken werden konfiguriert .
    {
  "fromDate": "String",
  "metricName": "String",
  "toDate": "String"
}
    options.fromDate Zeichenfolge Optional. Startdatum, ab dem Metriken im Systemdatums-/Uhrzeitformat abgerufen werden sollen.
    Options.metricName Zeichenfolge Name der Metrik
    Gültige Werte:
    • precision
    • coverage
    Optionen.bis Datum Zeichenfolge Optional. Enddatum, ab dem Metriken abgerufen werden sollen.

    Formular: Systemdatums-/Uhrzeitformat.
    Tabelle : 2. Rückgaben
    Typ Beschreibung
    Objekt Analysierbares JavaScript-Objekt, das die Ergebnisse für die Eingabemetrik enthält.
    {
  "metricName" : "String",
  "metricValue" : "String",
  "numberOfPredictionsConsidered" : "String"
}
    Object.metricName Name der als Eingabe ausgewählten Metrik.

    Datentyp: Zeichenfolge
    Object.metricWert Wert der ausgewählten Metrik.

    Datentyp: Zeichenfolge
    Objekt.NummernderDatensätze berücksichtigt Anzahl der Datensätze in der Tabelle „Vorhersageergebnisse“ [ml_Predictor_results], die für Berechnungen berücksichtigt werden.

    Datentyp: Zeichenfolge

    Das folgende Beispiel zeigt, wie ein Genauigkeitswert aus der aktiven Version einer Lösung abgerufen wird.

    // 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, 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. Rückgaben
    Typ Beschreibung
    Objekt Gibt Vorhersageeinstellungen für jede Klasse zurück. Die Daten enthalten Genauigkeits-, Abdeckungs-, Rückruf- und Verteilungswerte aller Klassen, die im trainierten Modell aus der Tabelle „ML-Lösungen“ [ml_Solution] enthalten sind. Weitere Informationen 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 werden konfiguriert .

    Datentyp: Objekt

    {
  "precision": "String",
  "coverage": "String",
  "recall": "String"
}
    <Object>.<class name>.Precision Geschätzte Metrik für Lösungsgenauigkeit für diese Klasse.

    Datentyp: Zeichenfolge (numerischer Wert)
    <Object>.<class name>.Abdeckung Metrik für geschätzte Lösungsabdeckung 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 Vorhersageeinstellungen einer aktiven Lösungsversion abgerufen werden.

    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. Rückgaben
    Typ Beschreibung
    Objekt Inhalt des Datensatzes und KlassifizierungLösung Versionsdetails. Die Ergebnisse variieren je nach Setup der Objekteigenschaft.
    {
  "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>.AlgorithmConfig Methode zum Codieren der Lösung.

    Datentyp: Objekt
    <Object>.AlgorithmConfig.algorithmus Name des Codierungsalgorithmus für das Trainieren dieser Lösung.
    Mögliche Werte:
    • xgboost: XGBoost-Codierung, um das Training zu optimieren.
    • logisticRegression: Methode, die das logistische Regressionsmodell für kategorische Ziele wie nominal oder Ordnungszahl verwendet.

    Datentyp: Zeichenfolge
    <Object>.AlgorithmConfig.targetClassRückruf Klassenrückrufparameter, um das Training einer Lösung so zu steuern, dass eine bestimmte Klasse verzerrt wird. Der Rückrufwert ist eine Zahl zwischen 0 und 100, die einen Prozentsatz darstellt.

    Datentyp: Zeichenfolge
    <Object>.DatasetProperties

    Listet die Eigenschaften von auf Datendefinition() Objekt, das der Lösung zugeordnet ist.

    Datentyp: Objekt

    {
  "encodedQuery": "String",
  "fieldDetails": [Array],
  "fieldNames": [Array],
  "tableName": "String"
}
    <Object>.DatasetProperties.tableName Name der Tabelle für den Datensatz. Beispiel: „Tabellenname“: „Incident“ .

    Datentyp: Zeichenfolge
    <Object>.DatasetProperties.Feldnamen Liste der Feldnamen aus der angegebenen Tabelle als Zeichenfolgen. Beispiel: „Feldnamen“: ["short_description", "Priorität"] .

    Datentyp: Array
    <Object>.DatasetProperties.fieldnames.fieldDetails Liste der JavaScript-Objekte, die Feldeigenschaften angeben.

    Datentyp: Array von Objekten

    [
  {
    "name": "String",
    "type": "String"
  }
]
    <Object>.DatasetProperties.fieldnames.fieldDetails. <object>.Name Name des Felds, das den Typ der Informationen definiert, auf die dieser Datensatz beschränkt werden soll.

    Datentyp: Zeichenfolge
    <Object>.DatasetProperties.fieldDetails. <object>.Typ 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 Domänentrennung und Predictive Intelligence.

    Datentyp: Zeichenfolge
    <Object>.Encoder Encoderobjekt, das dieser Lösung zugewiesen ist.Siehe Encoder – Encoder (Objektkonfiguration).

    Datentyp: Objekt
    <Object>.GroupByFieldName Feldname, nach dem das System Datensätze gruppiert, um Klassifizierungslösungen zu erstellen.

    Datentyp: Zeichenfolge
    <Object>.InputFieldNames Liste der Eingabefeldnamen als Zeichenfolgen. Das Modell verwendet diese Felder, die für Vorhersagen verwendet werden.

    Datentyp: Zeichenfolge
    <Object>.Isaktiv Kennzeichnung, die angibt, ob diese Version aktiv ist.
    Gültige Werte:
    • Wahr: Version ist aktiv.
    • Falsch: Version ist nicht aktiv.

    Datentyp: Zeichenfolge
    <Object>.Bezeichnung 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 auf Vorhersehbarkeit trainiert werden soll.

    Datentyp: Zeichenfolge
    <Object>.ProcessingLanguage Sprache wird im zweistelligen ISO 639-1-Sprachcodeformat verarbeitet.

    Datentyp: Zeichenfolge
    <Object>.Umfang Objektbereich. Derzeit ist der einzige gültige Wert Global .

    Datentyp: Zeichenfolge
    <Object>.Stoppwörter Optional. Voreingestellte Liste von Zeichenfolgen, die das System automatisch basierend auf generiert languageEigenschaftseinstellung. Weitere Informationen finden Sie unter Erstellen Sie eine anwenderdefinierte Stoppwortliste .

    Datentyp: Array
    <Object>.TrainingHäufigkeit Die Häufigkeit zum erneuten Trainieren des Modells.
    Mögliche Werte:
    • Every_30_days
    • Every_60_days
    • Every_90_days
    • Every_120_days
    • Every_180_days
    • Run_once
    Standard: Run_once

    Datentyp: Zeichenfolge
    <Object>.VersionNumber Versionsnummer von KlassifizierungLösung Objekt.

    Datentyp: Zeichenfolge

    Das folgende Beispiel ruft Eigenschaften der aktiven Objektversion im Store ab.

    // 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(boolescher IncludeDetails)

    Ruft den Abschlussstatus des Trainings ab.

    Tabelle : 7. Parameter
    Name Typ Beschreibung
    IncludeDetails Boolean Kennzeichnung, die angibt, ob der Status zurückgegeben werden soll details.
    Gültige Werte:
    • Wahr: Gibt zusätzliche Details zurück.
    • Falsch: Geben Sie keine zusätzlichen Details zurück.

    Standard: Falsch
    Tabelle : 8. Rückgaben
    Typ Beschreibung
    Objekt JavaScript-Objekt, das Informationen zum Schulungsstatus für enthältA KlassifizierungLösung Objekt.
    {
  "state": "String",
  "percentComplete": "Number as a String",
  "hasJobEnded": "Boolean value as a String",
  "details": {Object}
}
    <Object>.status Abschlussstatus des Trainings. Wenn der Schulungsauftrag einen Terminalstatus erreicht, verlässt der Auftrag diesen Status nicht. Wenn der Status „Terminal“ ist, wird hasJobEndedEigenschaft ist auf festgelegt Wahr .
    Mögliche Werte:
    • fetching_files_for_training
    • Preparing_Data
    • Erneut versuchen
    • Solution_CANCEL (Terminal)
    • Solution_Complete (Terminal)
    • Solution_error (Terminal)
    • Lösung_unvollständig
    • Training_Request_Received
    • training_request_timed_out (Terminal)
    • Training_Solution
    • Uploading_Solution
    • Warten_auf_Training

    Datentyp: Zeichenfolge
    <Object>.HasJobEnded Kennzeichnung, die angibt, ob das Training abgeschlossen ist.
    Gültige Werte:
    • Wahr: Training ist abgeschlossen.
    • Falsch: Training ist unvollständig.

    Datentyp: Boolescher Wert als Zeichenfolge
    <Object>.Prozent abgeschlossen Abschluss des Trainings in Prozent. Wenn der Fertigstellungsprozentsatz kleiner als 100 ist, befindet sich der Auftrag möglicherweise in einem Terminalstatus. Beispiel: Wenn beim Training eine Zeitüberschreitung auftritt.

    Datentyp: Zahl als Zeichenfolge

    Bereich: 0 bis 100
    <Object>.Details Objekt, das eine Liste zusätzlicher Schulungsdetails enthält.

    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 – getTrainingStatistics()

    Ruft alle Trainingsstatistiken für eine bestimmte Lösung ab.

    Tabelle : 9. Parameter
    Name Typ Beschreibung
    Keine
    Tabelle : 10. Rückgaben
    Typ Beschreibung
    Objekt JavaScript-Objekt mit Statistiken für jede im Training enthaltene Klasse und Werten für jede vom Training ausgeschlossene Klasse. Weitere Informationen finden Sie unter Komponenten des Vorhersagemodells .
    {
  "includedClasses": {Object},
  "excludedClasses": {Object}
}
    <Object>.IncludedClasses Objekt mit Genauigkeits-, Abdeckungs-, Rückruf- und Verteilungswerten jeder Klasse im trainierten Modell.

    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>.statistics Liste von Objekten, die Trainingsstatistikdaten bereitstellen. Weitere Informationen finden Sie unter Zielmetriken werden konfiguriert .

    Datentyp: Array von Objekten

    [
  {
    "coverage": "String",
    "precision": "String",
    "recall": "String",
    "selected": "String"
  }
]
    <Object>.IncludedClasses.<class name>.statistics.Coverage Metrik für geschätzte Lösungsabdeckung für diese Klasse.

    Datentyp: Zeichenfolge (numerischer Wert)
    <Object>.IncludedClasses.<class name>.statistics.Precision Geschätzte Metrik für Lösungsgenauigkeit für diese Klasse.

    Datentyp: Zeichenfolge (numerischer Wert)
    <Object>.IncludedClasses.<class name>.statistics.Recall Geschätzte Lösungsrückrufmetrik für diese Klasse.

    Datentyp: Zeichenfolge (numerischer Wert)
    <Object>.IncludedClasses.<class name>.statistics.selected 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)

    Standard: Falsch
    <Object>.ExcludedClasses Verteilung und Zeilenanzahl aller vom Training ausgeschlossenen Klassen.

    Datentyp: Objekt

    
  "excludedClasses": {
    "<class name>": {
      "distribution": "0.11",
      "rowCount": "9"
    }
    <Object>.ExcludedClasses.<class name>.Distribution Wert der Ergebniswahrscheinlichkeitsverteilung für diese Klasse.

    Datentyp: Zeichenfolge
    <Object>.ExcludedClasses.<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. Rückgaben
    Typ Beschreibung
    Zeichenfolge Versionsnummer.

    Das folgende Beispiel zeigt, wie eine Versionsnummer abgerufen wird.

    // 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 – Predict (Objekteingabe, Objektoptionen)

    Ruft die Eingabedaten für eine Vorhersage ab.

    Tabelle : 13. Parameter
    Name Typ Beschreibung
    Eingabe Objekt GlideRecord Oder 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
}
    Options.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: Gibt alle Ergebnisse zurück.

    Standard: Wahr
    Options.Top_n Nummer Wenn angegeben, werden die Top-Ergebnisse bis zur angegebenen Anzahl von Vorhersagen zurückgegeben.
    Tabelle : 14. Rückgaben
    Typ Beschreibung
    Objekt JSON-Objekt, das die Vorhersageergebnisse enthält, sortiert nach sys_ID oder Record_number. 
    {
    <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>.Konfidenz 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, für die Informationen vorhergesagt werden.

    Datentyp: Zeichenfolge
    <Object>.<identifier>. <object>.PredictedValue Wert, der das Vorhersageergebnis darstellt.

    Datentyp: Zeichenfolge
    <Object>.<identifier>. <object>.Schwellenwert Wert des konfigurierten Schwellenwerts, der der Vorhersage zugeordnet ist.

    Datentyp: Zahl

    Das folgende Beispiel zeigt, wie Vorhersageergebnisse für angezeigt werden Vorhersagen() Methode, die einen GlideRecord nach sys_ID für die Eingabe verwendet und optionale Parameter enthält, um auf die drei wichtigsten 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 angezeigt werden Vorhersagen() Methode, die ein Array von Feldnamen als Schlüssel-Wert-Paare für die Eingabe verwendet und optionale Parameter enthält, um auf die drei wichtigsten 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(Objektoptionen)

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

    Tabelle : 15. Parameter
    Name Typ Beschreibung
    Optionen Objekt Metrikkonfigurationswerte. Informationen zu diesen Funktionen finden Sie unter Zielmetriken werden konfiguriert .
    {  	 
   "metricName" : "String",
   "metricValue" : "String",
   "className" : "String"
}
    Options.metricName Zeichenfolge Name der festzulegenden Metrik.
    Gültige Werte:
    • coverage
    • precision
    • recall
    Optionen.metricWert Zeichenfolge Numerischer Wert, der der Metrik zugewiesen werden soll.
    Optionen.className Zeichenfolge Optional. Name der Klasse, auf die Ergebnisse beschränkt werden sollen. Verwenden Sie GetTrainingStatistics() Methode zum Abrufen einer vollständigen Liste von Klassen für eine Lösung.
    Tabelle : 16. Rückgaben
    Typ Beschreibung
    Keine

    Das folgende Beispiel zeigt, wie eine Genauigkeitsmetrik für eine Klasse mit dem Namen auf 89,5 festgelegt wird Klonprobleme .

    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);