DatasetDefinition : global

L’API DatasetDefinition fournit des méthodes pour identifier un ensemble d’enregistrements comprenant un nom de table, des colonnes et des critères de sélection de ligne à utiliser comme entrée pour les algorithmes d’entraînement ML. Les jeux de données ne contiennent pas les données réelles.

Ceci L’API nécessite le module d’extension Intelligence prédictive (com.glide.platform_ml) et est fournie dans l’espace de noms sn_ml . : Pour plus d’informations, consultez Intelligence prédictive.

Utilisez l’ensemble de données pour estimer la prévisibilité des informations mutuellesEstimer ou former les données spécifiées par un encodeur. Vous pouvez également utiliser le jeu de données pour former des données spécifiées par l’un des types de solution suivants :

• Solution de classification
• Solution de mise en grappe
• Solution de régression
• Solution de similarité

Pour connaître des directives d’utilisation, reportez-vous à la section Utilisation des API ML.

DatasetDefinition : DatasetDefinition(Objet)

Crée une instance de la classe DatasetDefinition , qui vous permet de définir un ensemble de données par nom de table, champs et requête.

Créez votre définition d’ensemble de données en transmettant une table et une liste de champs. Vous pouvez également transmettre une requête pour restreindre les jeux de données afin d’inclure des lignes avec des caractéristiques spécifiques.

Une fois créé, un objet DatasetDefinition ne peut pas être modifié.

Tableau 1. Paramètres

Nom	Type	Description
configuration	Objet	Objet JavaScript contenant les propriétés de définition du jeu de données. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" }
config.tableName	Chaîne	Nom de la table de l’ensemble de données. Par exemple, « tableName » : « Incident ».
config.fieldNames	Tableau	Facultatif. Liste des noms de champs de la table spécifiée sous forme de chaînes. Par exemple, « fieldNames » : ["short_description », « priority"]. Par défaut : Tous les champs
config.fieldDetails	Tableau	Facultatif. Liste des objets JavaScript qui spécifient les propriétés des champs. Utilisez cette propriété pour forcer les algorithmes d’apprentissage machine à interpréter les champs comme étant un type spécifique. Vous n’avez pas besoin d’obtenir les détails des champs pour chaque champ répertorié dans la fieldNames propriété. Tous les détails doivent correspondre à un champ répertorié dans le fieldNames tableau. [ { "name": "String", "type": "String" } ]
config.fieldDetails.name	Chaîne	Nom du champ définissant le type d’informations auquel restreindre cet ensemble de données. S’il est utilisé, ce nom de champ doit correspondre au nom correspondant répertorié dans la fieldNames propriété.
config.fieldDetails.type	Chaîne	Type de champ d’apprentissage machine. La spécification du type de données force le formateur ML à interpréter un champ comme ayant ce type. Si aucun type de données n’est spécifié, le système détermine le type. Types pris en charge : nominal: ML interprète ce champ comme contenant des classes ou des catégories. numeric: ML interprète ce champ comme contenant des nombres. text: ML interprète ce champ comme contenant du texte. Ces types identifient les types de données du point de vue de l’apprentissage machine. Le type ML peut différer du type répertorié dans la table source. Un champ peut être de type chaîne, mais son but peut être de coder une valeur nominale. Par exemple, les tailles de t-shirt telles que « XL », « L » ou « M » sont des types de chaîne dans la table, mais chaque valeur représente une catégorgie d’un attribut nominal d’un point de vue ML.
config.encodedQuery	Chaîne	Facultatif. Chaîne de requête codée au format Glide standard. Voir Chaînes de requête codées. Vous pouvez construire la requête pour qu’elle soit absolue ou relative. Par exemple, votre requête peut renvoyer des lignes pour les 3 mois précédents (relatif) ou pour la période de mai à juillet (absolue). Que vous utilisiez un modèle absolu ou relatif, les données identifiées par une définition peuvent changer si les lignes de la table sous-jacente changent.

L’exemple suivant montre comment créer une définition de jeu de données.

var myData = new sn_ml.DatasetDefinition(
  { 
     'tableName' : 'incident', 
     'fieldNames' : ['category', 'short_description', 'priority', 'assignment_group.name'],
     'fieldDetails' : [
       {
         'name' : 'category',
         'type' : 'nominal'
       },
       {
         'name' : 'short_description',
         'type' : 'text'
       }], 
     'encodedQuery' : 'sys_created_onONLast%202%20quarters@javascript:gs.beginningOfLast2Quarters()@javascript:gs.endOfLast2Quarters()^state=3'
  });

DatasetDefinition : getEligibleFields(aptitude de chaîne)

Renvoie une liste de champs éligibles en tant que champs d’entrée (fonctionnalités) ou champs prédits concernant une solution d’une option donnée, par exemple, une solution de classification. L’éligibilité est déterminée en fonction des champs ayant les types de données Glide appropriés.

Tableau 2. Paramètres

Nom	Type	Description
aptitude	Chaîne	Aptitude pour laquelle récupérer les champs éligibles à la formation. Cette méthode ne prend actuellement en charge que les solutions de classification, toute autre valeur pour l’aptitude lève une exception « aptitude non prise en charge ». Valeurs valides : « classification »

Tableau 3. Renvoie

Type	Description
Objet	Objet contenant les noms de champs d’entrée et de sortie éligibles. { "eligibleInputFieldNames" : [Array], "eligibleOutputFieldNames" : [Array] }
<Object>.eligibleInputFieldNames	Liste de chaînes indiquant les champs d’entrée éligibles à la formation. Type de données : tableau
<Object>.eligibleOutputFieldNames	Liste de chaînes indiquant les champs de sortie éligibles à la formation. Type de données : tableau

L’exemple suivant montre comment afficher les champs éligibles pour une solution de classification.

var myIncidentData = new sn_ml.DatasetDefinition({
  'tableName' : 'incident',
  'encodedQuery' : 'activeANYTHING'
});

var eligibleFields = JSON.parse(myIncidentData.getEligibleFields('classification'));

gs.print(JSON.stringify(eligibleFields, null, 2));

Sortie :

{
  "eligibleInputFieldNames": [
    "resolved_by",
    "short_description",
    "description",
    "notify"
  ],
  "eligibleOutputFieldNames": [
    "parent",
    "caused_by",
    "location",
    "category"
  ]
}