--- sourceDocument: Xanadu-API-Referenz sourceDocumentLink: https://www.servicenow.com/docs/r/de-DE/xanadu/api-reference Release : - xanadu ft:locale : - de-DE ft:publication_title : - Xanadu-API-Referenz ft:clusterId : - crapiref bundleId : - crapiref workflow : - Creator --- # RegressionSolution : Global # RegressionSolution : Global {#ariaid-title1} * Freigeben Version: Xanadu * * Aktualisiert 1. August 2024 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 7 Minuten Lesedauer Die RegressionSolution- 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. Der Lösungs-Setup-zu-Schulungs-Flow sieht wie folgt aus: 1. Erstellen Sie einen Datensatz mit der [DatasetDefinition-](https://www.servicenow.com/docs/BXzFaC72fsNUF0~2iVZkiA#DatasetDefinitionAPI "Die DatasetDefinition- API bietet Methoden zum Identifizieren von Eine Reihe von Datensätzen, einschließlich eines Tabellennamens, Spalten und Zeilenauswahlkriterien, die als Eingabe für ML-Trainingsalgorithmen verwendet werden. Datensätze enthalten nicht die tatsächlichen Daten.") API. 2. Optional. Erstellen Sie einen Encoder mit der [Encoder](https://www.servicenow.com/docs/G7ohgdKHJdsFxubAhcpxJw#EncoderAPI "Die Encoder- API stellt ein skriptfähiges Objekt bereit, das in den Speichern Predictive Intelligence verwendet wird. Dieses Objekt konvertiert Eingabedaten basierend auf Encoder-spezifischen Zielen und Konfigurationen in Zahlenvektoren. Encoder können unabhängig zum Ausführen von Codierungen verwendet oder als Teil von Lösungen zum Codieren von Textspalten konfiguriert werden.") -API. 3. Verwenden Sie den [Konstruktor](https://www.servicenow.com/docs/VxHrFkN9MK9AmeCkDd80JQ#RegressionSol-RegressionSolution_O "Erstellt eine Regressionslösung."), um ein Regressionslösungsobjekt zu erstellen. 4. Fügen Sie das Lösungsobjekt dem Regressionslösungsspeicher mit der Methode „ [RegressionSolutionStore - add()](https://www.servicenow.com/docs/7eWQh4KP6vj5TpTIeQDnnQ#RegressionStore-add_O "Fügt dem Store ein neues Lösungsobjekt hinzu und gibt einen eindeutigen Namen zurück.") " hinzu. 5. Trainieren Sie die Lösung mit der Methode [„submitTrainingJob()](https://www.servicenow.com/docs/VxHrFkN9MK9AmeCkDd80JQ#RegressionSol-submitTrainingJob "Übermittelt einen Trainingsauftrag.") ". Dadurch wird eine Version des Objekts erstellt, die Sie mit der [RegressionSolutionVersion-](https://www.servicenow.com/docs/VzSn8Nwey5yKA5oCcuosIA#RegressionSolutionVersionAPI "Die RegressionSolutionVersion- API ist ein skriptfähiges Objekt, das in den Speichern Predictive Intelligence verwendet wird.") API verwalten können. 6. Vorhersagen mit der Methode „ [RegressionSolutionVersion --predict()](https://www.servicenow.com/docs/VzSn8Nwey5yKA5oCcuosIA#RegressionVersion-predict_O_O "Ruft die Eingabedaten für eine Vorhersage ab.") " abrufen. {#RegressionSolutionAPI__ol_mmm_n1c_dmb} Hinweis: Diese API wird von mit vollständigen Rechten ausgeführt. Um den Benutzerzugriff einzuschränken, fügen Sie einen Zugriffssteuerungsmechanismus in das Skript ein. Richtlinien zur [Verwendung finden Sie unter ML-APIs](https://www.servicenow.com/docs/access?context=using-ml-apis&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US)verwenden . ## RegressionSolution: RegressionSolution(Object config) {#ariaid-title2} Erstellt eine Regressionslösung. {#RegressionSol-RegressionSolution_O__table_gm2_yt5_flb__entry__3}{#RegressionSol-RegressionSolution_O__solution-obj-domainN-default}{#RegressionSol-RegressionSolution_O__solution-obj-lang-desc}{#RegressionSol-RegressionSolution_O__solution-obj-stop-desc} | Name | Typ | Beschreibung | |-|-|-| | Konfiguration | Objekt | JavaScript-Objekt mit Konfigurationseigenschaften für Lösung. { "algorithmConfig": {Object}, "dataset": {Object}, "domainName": "String", "encoder": {Object}, "inputFieldNames": [Array], "label": "String", "minRowCount": "String", "predictedFieldName": "String", "predictedInterval": [Array], "processingLanguage": "String", "stopwords": [Array], "trainingFrequency": "String" } | | config.dataset | Objekt | Name[der Datensatzdefinition](https://www.servicenow.com/docs/BXzFaC72fsNUF0~2iVZkiA#DatasetDefinitionAPI "Die DatasetDefinition- API bietet Methoden zum Identifizieren von Eine Reihe von Datensätzen, einschließlich eines Tabellennamens, Spalten und Zeilenauswahlkriterien, die als Eingabe für ML-Trainingsalgorithmen verwendet werden. Datensätze enthalten nicht die tatsächlichen Daten."). | | config.domainName | Zeichenfolge | Optional. Domänenname, der diesem Datensatz zugeordnet ist. Siehe [Domain Separation und Predictive Intelligence](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Standard: Aktuelle Domäne, z. B. `„global"`. | | config.encoder | Objekt | Optional. Trainiertes Encoder-Objekt, das dieser Lösung zugewiesen werden soll. Siehe [Encoder: Encoder (Objektkonfiguration)](https://www.servicenow.com/docs/G7ohgdKHJdsFxubAhcpxJw#Encoder-Encoder_O "Erstellt einen Encoder."). | | config.inputFieldNames | Array | Liste der Eingabefeldnamen als Zeichenfolgen. Das Modell verwendet diese Felder, um Vorhersagen zu treffen. | | config.label | Zeichenfolge | Gibt die Vorhersageaufgabe an. | | config.minRowCount | Zeichenfolge | Optional. Mindestanzahl von Datensätzen, die im Datensatz für das Training erforderlich sind. Standard: 10.000 | | config.predictedFieldName | Zeichenfolge | Obligatorisch, sofern nicht predictedIntervalfestgelegt wird. Gibt ein Feld an, das für die Vorhersagbarkeit trainiert werden soll. | | config.predictedInterval | Array | Obligatorisch, sofern nicht predictedFieldNamefestgelegt wird. Legt einen Bereich von Feldern fest, um Ihre Lösung auf Vertrauen zu trainieren. Unterstützt die Bereitstellung von nicht numerischen Datumsfeldern für 2. Beispiel: `„predictedInterval": ['sys_updated_on', 'sys_created_on']`. | | config.processingLanguage | Zeichenfolge | Optional. Verarbeitungssprache im zweibuchstabigen ISO 639-1-Sprachcodeformat. Standard: „en" | | config.stoppwords | Array | 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](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Standard: Englische Stoppwörter | | config.trainingFrequency | Zeichenfolge | 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 {#RegressionSol-RegressionSolution_O__ul_pmw_523_plb}Standard: run_once | [Tabelle : 1. Parameter] {#RegressionSol-RegressionSolution_O__table_gm2_yt5_flb} Das folgende Beispiel zeigt, wie Sie ein Objekt erstellen und zu hinzufügen RegressionSolution Store. var myNewData = new sn_ml.DatasetDefinition( { 'tableName' : 'incident', 'fieldNames' : ['category', 'short_description', 'priority'], 'fieldDetails' : [ { 'name' : 'category', 'type' : 'nominal' }, { 'name' : 'short_description', 'type' : 'text' }], 'encodedQuery' : 'activeANYTHING' }); var mySimSolution = new sn_ml.SimilaritySolution({ 'label': "my solution definition", 'dataset' : myNewData, 'predictedFieldName' : 'category', 'inputFieldNames': ['short_description'] }); var mySimilarityName = sn_ml.SimilaritySolutionStore.add(mySimSolution); Im folgenden Beispiel wird gezeigt, wie Sie mit der Eigenschaft predictedInterval ein zu trainierendes Objekt erstellen. var myIncidentData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['short_description', 'sys_updated_on','sys_created_on'], 'encodedQuery' : 'activeANYTHING' }); var mySolution = new sn_ml.RegressionSolution({ 'label': 'reg assinGroup', 'dataset' : myIncidentData, 'predictedInterval': ['sys_updated_on', 'sys_created_on'], 'inputFieldNames': ['short_description'] }); var my_unique_name = sn_ml.RegressionSolutionStore.add(mySolution) ## RegressionSolution -- cancelTrainingJob() {#ariaid-title3} Storniert einen Auftrag für ein Lösungsobjekt , das zum Trainieren übermittelt wurde. {#RegressionSol-cancelTrainingJob__table_bpb_k3z_llb__entry__3} | Name | Typ | Beschreibung | |-|-|-| | Keine | | | [Tabelle : 2. Parameter] {#RegressionSol-cancelTrainingJob__table_bpb_k3z_llb} {#RegressionSol-cancelTrainingJob__table_cpb_k3z_llb__entry__2} | Typ | Beschreibung | |-|-| | Keine | | [Tabelle : 3. Ergebnisse] {#RegressionSol-cancelTrainingJob__table_cpb_k3z_llb} Das folgende Beispiel zeigt, wie Sie einen vorhandenen Trainingsauftrag abbrechen. var mySolution = sn_ml.RegressionSolutionStore.get('ml_sn_global_global_regression'); mySolution.cancelTrainingJob(); ## RegressionSolution -- getActiveVersion() {#ariaid-title4} Ruft das aktive ab RegressionSolutionVersion- Objekt. {#RegressionSol-getActiveVersion__table_tvl_m3z_llb__entry__3} | Name | Typ | Beschreibung | |-|-|-| | Keine | | | [Tabelle : 4. Parameter] {#RegressionSol-getActiveVersion__table_tvl_m3z_llb} {#RegressionSol-getActiveVersion__table_uvl_m3z_llb__entry__2} | Typ | Beschreibung | |-|-| | Objekt | Aktives [RegressionSolutionVersion-](https://www.servicenow.com/docs/VzSn8Nwey5yKA5oCcuosIA#RegressionSolutionVersionAPI "Die RegressionSolutionVersion- API ist ein skriptfähiges Objekt, das in den Speichern Predictive Intelligence verwendet wird.") Objekt. | [Tabelle : 5. Ergebnisse] {#RegressionSol-getActiveVersion__table_uvl_m3z_llb} Das folgende Beispiel zeigt, wie Sie eine aktive RegressionSolution Version aus dem Store abrufen und ihren Schulungsstatus zurückgeben. var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression'); gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getStatus()), null, 2)); Ausgabe: { "state": "solution_complete", "percentComplete": "100", "hasJobEnded": "true" } ## RegressionSolution -- getAllVersions() {#ariaid-title5} Ruft alle Versionen von ab ein RegressionSolution- Objekt. {#RegressionSol-getAllVersions__table_tvl_m3z_llb__entry__3} | Name | Typ | Beschreibung | |-|-|-| | Keine | | | [Tabelle : 6. Parameter] {#RegressionSol-getAllVersions__table_tvl_m3z_llb} {#RegressionSol-getAllVersions__table_uvl_m3z_llb__entry__2} | Typ | Beschreibung | |-|-| | Array | Vorhandene Versionen eines Lösungsobjekts. Siehe auch [RegressionSolutionVersion-](https://www.servicenow.com/docs/VzSn8Nwey5yKA5oCcuosIA#RegressionSolutionVersionAPI "Die RegressionSolutionVersion- API ist ein skriptfähiges Objekt, das in den Speichern Predictive Intelligence verwendet wird.") API. | [Tabelle : 7. Ergebnisse] {#RegressionSol-getAllVersions__table_uvl_m3z_llb} Das folgende Beispiel zeigt, wie Sie alle RegressionSolution -Versionsobjekte abrufen und die Lösungsversionsmethoden getVersionNumber() und getStatus() dafür aufrufen. var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression'); var mlSolutionVersions = mlSolution.getAllVersions(); for (i = 0; i < mlSolutionVersions.length; i++) { gs.print("Version " + mlSolutionVersions[i].getVersionNumber() + " Status: " + mlSolutionVersions[i].getStatus() +"\n"); }; Ausgabe: Version 3 Status: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"} Version 2 Status: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"} Version 1 Status: {"state":"solution_cancelled","percentComplete":"0","hasJobEnded":"true"} ## RegressionSolution -- getLatestVersion() {#ariaid-title6} Ruft die aktuelle Version von ab eine Lösung. {#RegressionSol-getLatestVersion__table_tvl_m3z_llb__entry__3} | Name | Typ | Beschreibung | |-|-|-| | Keine | | | [Tabelle : 8. Parameter] {#RegressionSol-getLatestVersion__table_tvl_m3z_llb} {#RegressionSol-getLatestVersion__table_uvl_m3z_llb__entry__2} | Typ | Beschreibung | |-|-| | Objekt | [RegressionSolutionVersion](https://www.servicenow.com/docs/VzSn8Nwey5yKA5oCcuosIA#RegressionSolutionVersionAPI "Die RegressionSolutionVersion- API ist ein skriptfähiges Objekt, das in den Speichern Predictive Intelligence verwendet wird.") Objekt, das der aktuellen Version von entspricht in [RegressionSolution()](https://www.servicenow.com/docs/VxHrFkN9MK9AmeCkDd80JQ#RegressionSol-RegressionSolution_O "Erstellt eine Regressionslösung."). | [Tabelle : 9. Ergebnisse] {#RegressionSol-getLatestVersion__table_uvl_m3z_llb} Das folgende Beispiel zeigt, wie Sie die aktuelle Version einer Lösung abrufen und ihren Trainingsstatus zurückgeben.{#RegressionSol-getLatestVersion__mlsol-getLatestVersion-example} var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression'); gs.print(JSON.stringify(JSON.parse(mlSolution.getLatestVersion().getStatus()), null, 2)); Ausgabe: { "state": "solution_complete", "percentComplete": "100", "hasJobEnded": "true" } ## RegressionSolution -- getName() {#ariaid-title7} Ruft den Namen des Objekts ab, das für die Interaktion mit dem Store verwendet werden soll. {#RegressionSol-getName__table_pps_43z_llb__entry__3} | Name | Typ | Beschreibung | |-|-|-| | Keine | | | [Tabelle : 10. Parameter] {#RegressionSol-getName__table_pps_43z_llb} {#RegressionSol-getName__table_qps_43z_llb__entry__2} | Typ | Beschreibung | |-|-| | Zeichenfolge | Name des Lösungsobjekts. | [Tabelle : 11. Ergebnisse] {#RegressionSol-getName__table_qps_43z_llb} Das folgende Beispiel zeigt, wie RegressionSolution Datensatzinformationen aktualisiert und der Name des Objekts gedruckt wird. // Update solution var myIncidentData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['category', 'short_description', 'priority'], 'encodedQuery' : 'activeANYTHING' }); var eligibleFields = JSON.parse(myIncidentData.getEligibleFields('regression')); var myRegression = new sn_ml.RegressionSolution({ 'label': "my regression solution", 'dataset' : myIncidentData, 'inputFieldNames': eligibleFields['eligibleInputFieldNames'], 'predictedFieldName': 'category' }); // update solution sn_ml.RegressionSolutionStore.update('ml_x_snc_global_global_my_solution_definition_4', myRegression); // print solution name gs.print('Solution Name: '+myRegression.getName()); Ausgabe: Solution Name: ml_x_snc_global_global_my_solution_definition_4 ## RegressionSolution -- getProperties() {#ariaid-title8} Ruft Lösungsobjekteigenschaften ab. {#RegressionSol-getProperties__table_pps_43z_llb__entry__3} | Name | Typ | Beschreibung | |-|-|-| | Keine | | | [Tabelle : 12. Parameter] {#RegressionSol-getProperties__table_pps_43z_llb} {#RegressionSol-getProperties__table_qps_43z_llb__entry__2} | Typ | Beschreibung | |-|-| | Objekt | Inhalt der Details des Datensatzes und des [RegressionSolution()-](https://www.servicenow.com/docs/VxHrFkN9MK9AmeCkDd80JQ#RegressionSol-RegressionSolution_O "Erstellt eine Regressionslösung.") Objekts im [RegressionSolutionStore](https://www.servicenow.com/docs/7eWQh4KP6vj5TpTIeQDnnQ#RegressionSolutionStoreAPI "Ermöglicht das Speichern und Abrufen von Lösungen."). { "datasetProperties": {Object}, "domainName": "String", "encoder": {Object}, "inputFieldNames": [Array], "label": "String", "name": "String", "predictedFieldName": "String", "predictedInterval": [Array], "processingLanguage": "String", "scope": "String", "stopwords": [Array], "trainingFrequency": "String" } | | \.datasetProperties | Listet die Eigenschaften des [DatasetDefinition()-](https://www.servicenow.com/docs/BXzFaC72fsNUF0~2iVZkiA#DDef-DatasetDefinition_O "Erstellt eine Instanz der DatasetDefinition -Klasse, sodass Sie einen Datensatz anhand des Tabellennamens, der Felder und der Abfrage definieren können.") Objekts auf, das der Lösung zugeordnet ist. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } Datentyp: Objekt. | | \.datensatzEigenschaften.tabellenname | Name der Tabelle für den Datensatz. Beispiel: `„tableName" : „Incident"`. Datentyp: Zeichenfolge. | | \.datasetProperties.fieldNames | Liste der Feldnamen aus der angegebenen Tabelle als Zeichenfolgen. Beispiel: `„fieldNames" : ["short_description", "priority"]`. Datentyp: Array. | | \.datasetProperties.fieldNames.fieldDetails | Liste von JavaScript-Objekten, die Feldeigenschaften angeben. [ { "name": "String", "type": "String" } ] Datentyp: Array. | | \.datasetProperties.fieldNames.fieldDetails.\.name | Name des Felds, das die Art der Informationen definiert, auf die dieser Datensatz beschränkt werden soll Datentyp: Zeichenfolge. | | \.datasetProperties.fieldDetails.\.type | Feldtyp für maschinelles Lernen. Datentyp: Zeichenfolge. | | \.datasetProperties.fieldDetails.encodedQuery | Codierte Abfragezeichenfolge im Standard-Glide-Format. Siehe [Codierte Abfragezeichenfolgen](https://www.servicenow.com/docs/access?context=c_EncodedQueryStrings&version=xanadu&pubname=xanadu-platform-user-interface&ft:locale=en-US). Datentyp: Zeichenfolge. | | \.Domänenname | Domänenname, der diesem Datensatz zugeordnet ist. Siehe [Domain Separation und Predictive Intelligence](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Datentyp: Zeichenfolge. | | \.Encoder | Encoder-Objekt, das dieser Lösung zugewiesen ist. Siehe [Encoder: Encoder (Objektkonfiguration)](https://www.servicenow.com/docs/G7ohgdKHJdsFxubAhcpxJw#Encoder-Encoder_O "Erstellt einen Encoder."). Datentyp: Objekt. | | \.eingabeFeldNamen | Liste der Eingabefeldnamen als Zeichenfolgen. Das Modell verwendet diese Felder, um Vorhersagen zu treffen. Datentyp: Zeichenfolge. | | \.label | Gibt die Vorhersageaufgabe an. { "label": "my first prediction" } Datentyp: Zeichenfolge. | | \.name | Vom System zugewiesener Name Datentyp: Zeichenfolge. | | \.predictedFieldName | Gibt ein Feld an, das für die Vorhersagbarkeit trainiert werden soll. Datentyp: Zeichenfolge. | | \.predictedInterval | Wertebereich, der das Konfidenzniveau der Vorhersage angibt. Datentyp: Array | | \.processingLanguage | Verarbeitungssprache im zweibuchstabigen ISO 639-1-Sprachcodeformat. Datentyp: Zeichenfolge. | | \.scope | Objektbereich. Derzeit ist `global`der einzige gültige Wert. Datentyp: Zeichenfolge | | \.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](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Datentyp: Array. | | \.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 {#RegressionSol-getProperties__ul_pmw_523_plb}Standard: run_once Datentyp: Zeichenfolge. | [Tabelle : 13. Ergebnisse] {#RegressionSol-getProperties__table_qps_43z_llb} Im folgenden Beispiel werden Eigenschaften eines -Lösungsobjekts im Store abgerufen.{#RegressionSol-getProperties__mlsol-getProps-example-other2} var mySolution = sn_ml.RegressionSolutionStore.get('ml_sn_global_global_regression_solution'); gs.print(JSON.stringify(JSON.parse(mySolution.getProperties()), null, 2)); Ausgabe: *** Script: { "datasetProperties": { "tableName": "cloudinfratext", "fieldNames": [ "short_description", "sourcedc", "targetdc", "dbsize", "duration" ] }, "domainName": "global", "encoderProperties": { "datasetsProperties": [], "name": "wc_regression" }, "inputFieldNames": [ "short_description", "sourcedc", "targetdc", "dbsize" ], "label": "Regression Test for DB Restore", "name": "ml_x_snc_global_global_regression", "predictedFieldName": "duration", "processingLanguage": "en", "scope": "global", "stopwords": [ "Default English Stopwords" ], "trainingFrequency": "every_30_days" } ## RegressionSolution -- getVersion(Zeichenfolgenversion) {#ariaid-title9} Ruft eine Lösung ab anhand der angegebenen Versionsnummer. {#RegressionSol-getVersion_S__table_pps_43z_llb__entry__3}{#RegressionSol-getVersion_S__mlsol-gerversion-returns-other} | Name | Typ | Beschreibung | |-|-|-| | Version | Zeichenfolge | Vorhandene Versionsnummer einer Lösung. | [Tabelle : 14. Parameter] {#RegressionSol-getVersion_S__table_pps_43z_llb} {#RegressionSol-getVersion_S__table_qps_43z_llb__entry__2} | Typ | Beschreibung | |-|-| | Objekt | Angegebene Version des [RegressionSolution()-](https://www.servicenow.com/docs/VxHrFkN9MK9AmeCkDd80JQ#RegressionSol-RegressionSolution_O "Erstellt eine Regressionslösung.") Objekts, für das Sie [RegressionSolutionVersion](https://www.servicenow.com/docs/VzSn8Nwey5yKA5oCcuosIA#RegressionSolutionVersionAPI "Die RegressionSolutionVersion- API ist ein skriptfähiges Objekt, das in den Speichern Predictive Intelligence verwendet wird.") -API-Methoden aufrufen können. | [Tabelle : 15. Ergebnisse] {#RegressionSol-getVersion_S__table_qps_43z_llb} Das folgende Beispiel zeigt, wie Sie den Trainingsstatus einer Lösung anhand der Versionsnummer abrufen.{#RegressionSol-getVersion_S__mlsol-gerversion-example-other} var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression'); gs.print(JSON.stringify(JSON.parse(mlSolution.getVersion('1').getStatus()), null, 2)); Ausgabe: { "state": "solution_complete", "percentComplete": "100", "hasJobEnded": "true" } ## RegressionSolution -- setActiveVersion(String version) {#ariaid-title10} Aktiviert eine angegebene Version einer Lösung im Store. {#RegressionSol-setActiveVersion_S__table_pps_43z_llb__entry__3} | Name | Typ | Beschreibung | |-|-|-| | Version | Zeichenfolge | Name der zu aktivierenden Version des [RegressionSolution()-](https://www.servicenow.com/docs/VxHrFkN9MK9AmeCkDd80JQ#RegressionSol-RegressionSolution_O "Erstellt eine Regressionslösung.") Objekts. Durch die Aktivierung dieser Version werden alle anderen Versionen deaktiviert. | [Tabelle : 16. Parameter] {#RegressionSol-setActiveVersion_S__table_pps_43z_llb} {#RegressionSol-setActiveVersion_S__table_qps_43z_llb__entry__2} | Typ | Beschreibung | |-|-| | Keine | | [Tabelle : 17. Ergebnisse] {#RegressionSol-setActiveVersion_S__table_qps_43z_llb} Das folgende Beispiel zeigt, wie Sie eine Lösungsversion im Store aktivieren.{#RegressionSol-setActiveVersion_S__mlsol-setActive-example2} sn_ml.RegressionSolution.setActiveVersion("ml_incident_categorization"); ## RegressionSolution --submitTrainingJob() {#ariaid-title11} Übermittelt einen Trainingsauftrag. Hinweis: Bevor Sie diese Methode ausführen können, müssen Sie dem Speicher mit der Methode „ [RegressionSolutionStore - add()](https://www.servicenow.com/docs/7eWQh4KP6vj5TpTIeQDnnQ#RegressionStore-add_O "Fügt dem Store ein neues Lösungsobjekt hinzu und gibt einen eindeutigen Namen zurück.") " eine Lösung hinzufügen. {#RegressionSol-submitTrainingJob__table_xmd_33z_llb__entry__3} | Name | Typ | Beschreibung | |-|-|-| | Keine | | | [Tabelle : 18. Parameter] {#RegressionSol-submitTrainingJob__table_xmd_33z_llb} {#RegressionSol-submitTrainingJob__table_ymd_33z_llb__entry__2} | Typ | Beschreibung | |-|-| | Objekt | [RegressionSolutionVersion](https://www.servicenow.com/docs/VzSn8Nwey5yKA5oCcuosIA#RegressionSolutionVersionAPI "Die RegressionSolutionVersion- API ist ein skriptfähiges Objekt, das in den Speichern Predictive Intelligence verwendet wird.") Objekt, das [RegressionSolution](https://www.servicenow.com/docs/VxHrFkN9MK9AmeCkDd80JQ#RegressionSol-RegressionSolution_O "Erstellt eine Regressionslösung.") dem trainierten entspricht. | [Tabelle : 19. Ergebnisse] {#RegressionSol-submitTrainingJob__table_ymd_33z_llb} Das folgende Beispiel zeigt, wie Sie einen Datensatz erstellen, auf eine Lösung anwenden, die Lösung einem Store hinzufügen und den Trainingsauftrag übermitteln.{#RegressionSol-submitTrainingJob__mlsol-submit-example-nonSol2} // Create a dataset var myData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['assignment_group', 'short_description', 'description'], 'encodedQuery' : 'activeANYTHING' }); // Create a solution var mySolution = new sn_ml.RegressionSolution({ 'label': "my solution definition", 'dataset' : myData, 'predictedFieldName' : 'assignment_group', 'inputFieldNames':['short_description'] }); // Add the solution to the store to later be able to retrieve it. var my_unique_name = sn_ml.RegressionSolutionStore.add(mySolution); // Train the solution - this is a long running job var myRegressionVersion = mySolution.submitTrainingJob();