ClassificationSolution - 전역

호주 API 참조

Release

australia

ft:locale

ko-KR

ft:publication_title

호주 API 참조

ft:clusterId

crapiref

bundleId

crapiref

workflow

Creator

ClassificationSolution - 전역

릴리스 버전: Australia

업데이트 날짜 2026년 03월 12일

소요 시간: 20분

ClassificationSolution API는 스토어에서 예측 인텔리전스 사용되는 스크립트 가능한 객체입니다.

이것 API에는 플러그인(com.glide.platform_ml)이 필요 예측 인텔리전스 하며 sn_ml 네임스페이스 내에서 제공됩니다.

솔루션 설정부터 교육까지의 플로우는 다음과 같습니다.

DatasetDefinition API를 사용하여 데이터 세트를 만듭니다.
옵션입니다. 인코더 API를 사용하여 인코더를 빌드합니다.
생성자를 사용하여 분류 솔루션 개체를 만듭니다.
ClassificationSolutionStore - add() 메서드를 사용하여 솔루션 개체를 분류 솔루션 저장소에 추가합니다.
submitTrainingJob() 메서드를 사용하여 솔루션을 교육합니다. 이렇게 하면 ClassificationSolutionVersion API를 사용하여 관리할 수 있는 객체 버전이 생성됩니다.
ClassificationSolutionVersion – predict() 메서드를 사용하여 예측을 가져옵니다.

주:

이 API는 Vancouver 패치 7 핫픽스 2b 및 Washington DC 패치 7 릴리스 전에 모든 권한으로 실행됩니다. 이후 릴리스에서는 ACL을 사용하여 액세스 권한을 부여합니다. 자세한 내용은 다음 문서를 참조하십시오 Query ACLs.

사용 지침은 ML API 사용을 참조하세요.

ClassificationSolution - ClassificationSolution(객체 구성)

분류 솔루션을 생성합니다.

표 1. 매개변수
이름	유형	설명
구성	객체	의 구성 속성을 포함하는 JavaScript 객체 해결책. `{ "algorithmConfig": {Object}, "dataset": {Object}, "domainName": "String", "encoder": {Object}, "groupByFieldName": "String", "inputFieldNames": [Array], "label": "String", "minRowCount": "String", "predictedFieldName": "String", "processingLanguage": "String", "stopwords": [Array], "trainingFrequency": "String" }`
config.algorithmConfig	객체	알고리즘 구성 속성을 포함하는 JavaScript 객체입니다. `'algorithmConfig' : { "algorithm": "String", "targetClassRecall": "String" }`
config.algorithmConfig.algorithm	문자열	솔루션을 인코딩하는 방법입니다. 가능한 값: xgboost: XGBoost 인코딩을 사용하여 학습을 최적화합니다. logisticRegression: 명목 또는 순서와 같은 범주형 대상에 대해 로지스틱 회귀 모델을 사용하는 방법입니다.
config.algorithmConfig.targetClassRecall	문자열	클래스 회수 매개변수를 적용하여 솔루션의 교육이 특정 클래스를 편향하도록 조정합니다. 형식은 `"<ClassName:RecallValue>"` 이며, 여기서 회수 값은 백분율을 나타내는 0에서 100 사이의 숫자입니다. 예를 들어 Email 클래스에서 교육하는 모든 기록에 대해 이 솔루션 매개변수를 90% 정확도로 설정하고 적용하려면 값을 `"Email:90"`으로 설정합니다.
config.dataset	객체	DatasetDefinition 이름입니다.
config.domainName	문자열	옵션입니다. 이 데이터 세트와 연결된 도메인 이름입니다. 도메인 분리 및 예측 인텔리전스를 참조하십시오. 기본값: 현재 도메인(예: `"전역"`).
config.encoder	객체	옵션입니다. 이 솔루션에 할당할 학습된 인코더 객체입니다. 인코더 - 인코더(객체 구성) 문서를 참조하십시오.
config.explainability	부울	모델 설명가능성을 제공할지 여부를 나타내는 플래그입니다. 모델 설명 가능성을 사용하여 모델의 예측에 대한 각 입력 필드의 중요도를 식별합니다. 유효한 값은 다음과 같습니다. true: 분류 모델에 설명 가능성 세부 정보가 포함됩니다. 정보는 모델 솔루션 양식의 기능 중요도 탭에서 볼 수 있습니다. false: 분류 모델에 설명 가능성 세부 정보가 포함되어 있지 않습니다. 기본값: false 참조: Model Explainability
config.groupByFieldName	문자열	옵션입니다. 시스템이 분류 솔루션을 빌드하기 위해 기록을 그룹화하는 기준으로 사용할 필드 이름입니다.사용 정보는 분류에 그룹 기준 사용을 참조하십시오.
config.inputFieldNames	배열	문자열로 된 입력 필드 이름 목록입니다. 모델은 예측에 사용되는 이러한 필드를 사용합니다.
config.label	문자열	예측 작업을 식별합니다.
config.minRowCount	문자열	옵션입니다. 교육을 위해 데이터 세트에 필요한 최소 기록 수입니다. 기본값: 10000
config.predictedFieldName	문자열	예측 가능성을 학습시킬 필드를 식별합니다.
config.processingLanguage	문자열	옵션입니다. 두 글자 ISO 639-1 언어 코드 형식의 처리 언어입니다. 기본값: "en"
config.stopwords	배열	옵션입니다. 속성 설정에 따라 시스템이 자동으로 생성하는 문자열의 사전 설정 목록입니다 language . 자세한 내용은 사용자 지정 스톱 워드 목록 만들기를 참조하세요. 기본값: 영어 스톱 워드
config.trainingFrequency	문자열	모델을 재교육할 빈도입니다. 가능한 값: every_30_days every_60_days every_90_days every_120_days every_180_days run_once 기본값: run_once

다음 예제에서는 객체를 생성하고 객체를 ClassificationSolution 스토어입니다.

var myData = new sn_ml.DatasetDefinition(
  { 
     'tableName' : 'incident', 
     'fieldNames' : ['category', 'short_description', 'priority'],
     'fieldDetails' : [
       {
         'name' : 'category',
         'type' : 'nominal'
       },
       {
         'name' : 'short_description',
         'type' : 'text'
       }], 
     'encodedQuery' : 'activeANYTHING'
  });

var mySolution = new sn_ml.ClassificationSolution({
  'label': "my solution definition",
  'dataset' : myData,
  'predictedFieldName' : 'category',
  'inputFieldNames': ['short_description']
});

var myClassificationName = sn_ml.ClassificationSolutionStore.add(mySolution);

ClassificationSolution - cancelTrainingJob()

에 대한 작업을 취소 솔루션 객체 교육을 위해 제출된

표 2. 매개변수
이름	유형	설명
안 함

표 3. 반환
유형	설명
안 함

다음 예는 기존 교육 작업을 취소하는 방법을 보여줍니다.

var mySolution = sn_ml.ClassificationSolutionStore.get('ml_sn_global_global_classification');

mySolution.cancelTrainingJob();

ClassificationSolution - getActiveVersion()

활성 항목을 가져옵니다. ClassificationSolutionVersion 객체입니다.

표 4. 매개변수
이름	유형	설명
안 함

표 5. 반환
유형	설명
객체	활성 ClassificationSolutionVersion 객체입니다.

다음 예제에서는 분류솔루션 스토어에서 활성 버전을 가져오고 교육 상태를 반환

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

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

출력:

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

ClassificationSolution - getAllVersions()

의 모든 버전을 가져옵니다. 분류 솔루션입니다.

표 6. 매개변수
이름	유형	설명
안 함

표 7. 반환
유형	설명
배열	솔루션 객체의 기존 버전입니다. 더 보기 분류솔루션버전 API입니다.

다음 예제에서는 모든 ClassificationSolution 버전 개체를 가져오고 해당 개체에 대해 getVersionNumber() 및 getStatus() 솔루션 버전 메서드를 호출하는 방법을 보여줍니다.

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

var mlSolutionVersions = mlSolution.getAllVersions();

for (i = 0; i < mlSolutionVersions.length; i++) {
gs.print("Version " + mlSolutionVersions[i].getVersionNumber() + " Status: " + mlSolutionVersions[i].getStatus() +"\n");
};

출력:

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"}

ClassificationSolution - getLatestVersion()

의 최신 버전을 가져옵니다. 해결책.

표 8. 매개변수
이름	유형	설명
안 함

표 9. 반환
유형	설명
객체	ClassificationSolutionVersion 의 최신 버전에 해당하는 객체 a ClassificationSolution()입니다.

다음 예제에서는 솔루션의 최신 버전을 가져오 고 교육 상태를 반환하는 방법을 보여줍니다.

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

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

출력:

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

ClassificationSolution - getName()

스토어와의 상호작용에 사용할 객체의 이름을 가져옵니다.

표 10. 매개변수
이름	유형	설명
안 함

표 11. 반환
유형	설명
문자열	솔루션 객체의 이름입니다.

다음 예제에서는 분류솔루션 데이터 세트 정보를 업데이트하고 객체 이름을 인쇄하는

// Update solution
var myIncidentData = new sn_ml.DatasetDefinition({
   'tableName' : 'incident',
   'fieldNames' : ['category', 'short_description', 'priority'],
   'encodedQuery' : 'activeANYTHING'
});

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

var myClassification = new sn_ml.ClassificationSolution({
   'label': "my classification solution",
   'dataset' : myIncidentData,
   'inputFieldNames': eligibleFields['eligibleInputFieldNames'],
   'predictedFieldName': 'category'
});

// update solution
sn_ml.ClassificationSolutionStore.update('ml_x_snc_global_global_my_solution_definition_4', myClassification);

// print solution name
gs.print('Solution Name: '+myClassification.getName());

출력:

Solution Name: ml_x_snc_global_global_my_solution_definition_4

ClassificationSolution - getProperties()

솔루션 객체 속성 가져오기.

표 12. 매개변수
이름	유형	설명
안 함

표 13. 반환
유형	설명
객체	ClassificationSolutionStore의 데이터 세트 및 ClassificationSolution() 개체 세부 정보의 내용입니다. `{ "algorithmConfig": { "algorithm": "String", "targetClassRecall": "String" }, "datasetProperties": {Object}, "domainName": "String", "encoder": {Object}, "groupByFieldName": "String", "inputFieldNames": [Array], "label": "String", "name": "String", "predictedFieldName": "String", "processingLanguage": "String", "scope": "String", "stopwords": [Array], "trainingFrequency": "String" }`
<Object>.algorithmConfig	솔루션을 인코딩하는 방법입니다. 데이터 유형: 객체.
<Object>.algorithmConfig.algorithm	이 솔루션을 학습시키기 위한 인코딩 알고리즘의 이름입니다. 가능한 값: xgboost: XGBoost 인코딩을 사용하여 학습을 최적화합니다. logisticRegression: 명목 또는 순서와 같은 범주형 대상에 대해 로지스틱 회귀 모델을 사용하는 방법입니다. 데이터 유형: 문자열.
<Object>.algorithmConfig.targetClassRecall	특정 클래스를 편향하도록 솔루션의 교육을 조정하는 클래스 회수 매개변수입니다. 회수 값은 백분율을 나타내는 0에서 100 사이의 숫자입니다. 데이터 유형: 문자열
<Object>.datasetProperties	솔루션과 연결된 DatasetDefinition() 개체의 속성을 나열합니다. `{ "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" }` 데이터 유형: 객체.
<Object>.datasetProperties.tableName	데이터 세트의 테이블 이름입니다. 예: `"tableName" : "Incident"`. 데이터 유형: 문자열.
<Object>.datasetProperties.fieldNames	지정된 테이블의 필드 이름을 문자열로 나열합니다. 예: `"fieldNames" : ["short_description", "priority"]`. 데이터 유형: 배열.
<Object>.datasetProperties.fieldNames.fieldDetails	필드 속성을 지정하는 JavaScript 객체의 목록입니다. `[ { "name": "String", "type": "String" } ]` 데이터 유형: 배열.
<Object>.datasetProperties.fieldNames.fieldDetails.<object>. 이름	이 데이터 세트를 제한하는 정보 유형을 정의하는 필드의 이름입니다. 데이터 유형: 문자열.
<Object>.datasetProperties.fieldDetails.<object>. 유형	머신 러닝 필드 유형입니다. 데이터 유형: 문자열.
<Object>.datasetProperties.fieldDetails.encodedQuery	표준 Glide 형식으로 인코딩된 쿼리 문자열입니다. 인코딩된 쿼리 문자열을 참조하세요. 데이터 유형: 문자열.
<Object>.domainName	이 데이터 세트와 연결된 도메인 이름입니다. 도메인 분리 및 예측 인텔리전스를 참조하십시오. 데이터 유형: 문자열.
<Object>.encoder	이 솔루션에 할당된 인코더 객체입니다. 인코더 - 인코더(객체 구성) 문서를 참조하십시오. 데이터 유형: 객체.
<Object>.groupByFieldName	시스템이 분류 솔루션을 빌드하기 위해 기록을 그룹화하는 기준으로 사용할 필드 이름입니다. 데이터 유형: 문자열
<Object>.inputFieldNames	문자열로 된 입력 필드 이름 목록입니다. 모델은 예측에 사용되는 이러한 필드를 사용합니다. 데이터 유형: 문자열.
<Object>.label	예측 작업을 식별합니다. `{ "label": "my first prediction" }` 데이터 유형: 문자열.
<Object>.name	시스템에서 할당한 이름입니다. 데이터 유형: 문자열.
<Object>.predictedFieldName	예측 가능성을 학습시킬 필드를 식별합니다. 데이터 유형: 문자열.
<Object>.processingLanguage	두 글자 ISO 639-1 언어 코드 형식의 처리 언어입니다. 데이터 유형: 문자열.
<Object>.scope	객체 범위입니다. 현재 유효한 값은 `전역`입니다. 데이터 유형: 문자열
<Object>.stopwords	옵션입니다. 속성 설정에 따라 시스템이 자동으로 생성하는 문자열의 사전 설정 목록입니다 language . 자세한 내용은 사용자 지정 스톱 워드 목록 만들기를 참조하세요. 데이터 유형: 배열.
<Object>.trainingFrequency	모델을 재교육할 빈도입니다. 가능한 값: every_30_days every_60_days every_90_days every_120_days every_180_days run_once 기본값: run_once 데이터 유형: 문자열.

다음 예제에서는 저장소에 있는 솔루션 개체의 속성을 가져옵니다.

var mySolution = sn_ml.ClassificationSolutionStore.get('ml_sn_global_global_classification_solution');

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

출력:

*** Script: {
  "datasetProperties": {
    "tableName": "incident",
    "fieldNames": [
      "category",
      "short_description",
      "priority",
      "assignment_group.name"
    ],
    "fieldDetails": [
      {
        "name": "category",
        "type": "nominal"
      },
      {
        "name": "short_description",
        "type": "text"
      }
    ]
  },
  "domainName": "global",
  "inputFieldNames": [
    "short_description"
  ],
  "label": "my solution definition",
  "name": "ml_x_snc_global_global_my_solution_definition_26",
  "predictedFieldName": "category",
  "processingLanguage": "en",
  "scope": "global",
  "stopwords": [
    "Default English Stopwords"
  ],
  "trainingFrequency": "run_once"
}

ClassificationSolution - getVersion(문자열 버전)

솔루션을 가져옵니다. 제공된 버전 번호를 기준으로 합니다.

표 14. 매개변수
이름	유형	설명
버전	문자열	솔루션의 기존 버전 번호입니다.

표 15. 반환
유형	설명
객체	ClassificationSolutionVersion API 메서드를 호출할 수 있는 지정된 버전의 ClassificationSolution() 객체입니다.

다음 예제에서는 버전 번호로 솔루션의 교육 상태를 가져오는 방법을 보여줍니다.

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

gs.print(JSON.stringify(JSON.parse(mlSolution.getVersion('1').getStatus()), null, 2));

출력:

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

ClassificationSolution - setActiveVersion(문자열 버전)

스토어에서 지정된 버전의 솔루션을 활성화합니다.

표 16. 매개변수
이름	유형	설명
버전	문자열	활성화할 ClassificationSolution() 객체 버전의 이름입니다. 이 버전을 활성화하면 다른 버전이 비활성화됩니다.

표 17. 반환
유형	설명
안 함

다음 예는 스토어에서 솔루션 버전을활성화하는 방법을 보여줍니다.

sn_ml.ClassificationSolution.setActiveVersion("ml_incident_categorization");

ClassificationSolution - submitTrainingJob()

교육 작업을 제출합니다.

주:

이 메서드를 실행하기 전에 먼저 ClassificationSolutionStore - add() 메서드를 사용하여 저장소에 솔루션을 추가해야 합니다.

표 18. 매개변수
이름	유형	설명
안 함

표 19. 반환
유형	설명
객체	ClassificationSolutionVersion 객체에 해당하는 객체입니다. 분류솔루션 학습 중인

다음 예제에서는 데이터 세트를 만들고, 솔루션에 적용하고, 솔루션을 스토어에 추가하고, 교육 작업을 제출하는 방법을 보여 줍니다.

// 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.ClassificationSolution({

  '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.ClassificationSolutionStore.add(mySolution);

// Train the solution - this is a long running job 
var myClassifierVersion = mySolution.submitTrainingJob();