Explorer Intelligence prédictive
ServiceNow® Intelligence prédictive est une fonction de plateforme qui fournit une couche d’intelligence artificielle qui permet aux fonctionnalités et aux options dans les ServiceNow® applications d’offrir de meilleures expériences de travail.
Vue d'ensemble de Intelligence prédictive
Intelligence prédictive est un ensemble puissant d’outils qui appliquent l’intelligence artificielle et le machine learning pour faire des prédictions. Vous pouvez créer et former des modèles dans trois cadres de travail différents : classification, mise en grappe et similarité. Une solution formée peut être invoquée par n’importe quelle ServiceNow application via une API.
Pour en savoir plus sur les méthodes d’utilisation des modèles existants, reportez-vous à la section Utiliser Intelligence prédictive.
Intelligence prédictive pour les clients sur site
Intelligence prédictive est également disponible pour les clients sur site. Si vous souhaitez déployer ce produit sur site, contactez votre chargé de clientèle. Pour obtenir des instructions d’installation et de configuration sur site, consultez les instructions complètes pour l’installation et la configuration du moteur d’apprentissage automatique pour les clients auto-hébergés [KB0782052] dans le Now Support site auto-hébergé Base de connaissances.
Remarque :
Seuls Base de connaissances les comptes sur site peuvent accéder au Now Support fichier .
Terminologie
- Intelligence artificielle
- Des systèmes conçus pour faire un travail qui nécessite un niveau d’intelligence humaine pour être accompli.
- Machine learning
- Possibilité pour les modèles de s’améliorer au fil du temps avec plus d’expérience.
- Modèles
- Collections d’algorithmes, de mathématiques et de statistiques qui effectuent des prédictions et prennent des décisions basées sur les données entrées-sorties.
- Formation
- Ajouter ou modifier des données sur lesquelles le modèle est basé pour affecter les prédictions futures.
- Formation supervisée
- Fournir des paires entrée-sortie afin que le modèle puisse générer des règles qui relient les deux.
- Formation non supervisée
- Fournit des données brutes afin que le modèle puisse identifier les structures dans le jeu de données.
- Fréquence de la formation
- Fréquence à laquelle les modèles sont reformés pour incorporer de nouvelles données dans un modèle existant.
- Corpus de mots
- Vocabulaire qu’un modèle peut utiliser pour rechercher une similarité textuelle.
Composants de modèles prédictifs
Un modèle prédictif inclut ces composants, dont vous devez fournir certains éléments.
- Définition de la solution
- Un enregistrement de données que vous créez et configurez qui spécifie ces valeurs pour la formation d’un modèle prédictif.
- Enregistrements utilisés pour former le modèle. Par exemple, ne vous entraînez que sur les incidents résolus ou fermés au cours des dix derniers mois.
- Champs d’entrée que le modèle utilise pour effectuer des prédictions. Par exemple, utilisez la brève description de l’incident pour faire une prédiction.
- Champ de sortie dont le modèle prédit la valeur. Par exemple, définissez la catégorie d’incident en fonction de la brève description.
- Fréquence de reformation du modèle. Par exemple, reformer le modèle tous les 30 jours.
- Solution
- La solution est le résultat d’une définition de solution que vous avez formée dans un ServiceNow centre de données. Intelligence prédictive utilise la solution pour prédire une valeur de champ cible en fonction d’une ou de plusieurs valeurs de champ d’entrée. Toutes les solutions spécifient ces valeurs.
- La précision de la solution est le pourcentage agrégé de prédictions correctes. Par exemple, une précision de 50 signifie que sur 100 prédictions, la moitié d’entre elles doivent avoir la valeur correcte.
- La couverture de la solution est le pourcentage agrégé d’enregistrements qui reçoivent une prédiction. Par exemple, une couverture de 50 signifie que la moitié de tous les enregistrements éligibles reçoivent réellement une prédiction.
- Les classes de solutions sont les valeurs de champ en sortie pour lesquelles le modèle peut faire des prédictions. Chaque classe est une valeur de champ en sortie avec une liste de mesures de précision, de couverture et de distribution possibles. Par exemple, la solution Catégorisation des incidents dispose d’une classe pour chaque catégorie, comme le logiciel, les requêtes et la base de données.
- La distribution de classe est le pourcentage d’enregistrements de la table entière qui ont cette valeur de champ de sortie particulière. Par exemple, une distribution de 50 pour la classe de question signifie que la moitié des incidents ont la catégorie de question.