RegressionSolutionVersion – Global

Die RegressionSolutionVersion- API ist ein skriptfähiges Objekt, das in Predictive Intelligence -Speichern verwendet wird.

Diese(s) Die API erfordert das Plugin Predictive Intelligence (com.glide.platform_ml) und wird im sn_ml- Namespace bereitgestellt.

Diese API wird für die Arbeit mit Lösungsversionen verwendet, die auf RegressionSolution-API -Objekten im RegressionSolution-Speicherbasieren.

Das System erstellt bei jedem Training einer Lösungsdefinition eine Lösungsversion. Die meisten Versionen werden während des geplanten Lösungstrainings erstellt.

Methoden in dieser API sind mit den folgenden RegressionSolution- Methoden zugänglich:

• getActiveVersion()
• getAllVersions()
• getLatestVersion()
• getVersion()

RegressionSolutionVersion – getProperties()

Ruft Eigenschaften des Lösungsobjekts ab und Versionsnummer.

Tabelle : 1. Parameter

Name	Typ	Beschreibung
Keine

Tabelle : 2. Ergebnisse

Typ	Beschreibung
Objekt	Inhalt der Datensatz- und RegressionSolution- Versionsdetails. Die Ergebnisse variieren je nach Setup der Objekteigenschaften. { "datasetProperties": {Object}, "domainName": "String", "encoder": {Object}, "inputFieldNames": [Array], "isActive": "Boolean", "label": "String", "name": "String", "predictedFieldName": "String", "predictedInterval": [Array], "processingLanguage": "String", "scope": "String", "stopwords": [Array], "versionNumber": "Number" }
<Object>.datasetEigenschaften	Listet die Eigenschaften des DatasetDefinition()- Objekts auf, das der Lösung zugeordnet ist. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" }
<Object>.datasetProperties.tableName	Name der Tabelle für den Datensatz. Beispiel: "tableName" : "Incident". Datentyp: Zeichenfolge.
<Object>.datasetProperties.fieldNames	Liste der Feldnamen aus der angegebenen Tabelle als Zeichenfolgen. Beispiel: „fieldNames“ : ["short_description", "priority"]. Datentyp: Array.
<Object>.datasetProperties.fieldNames.fieldDetails	Liste der JavaScript-Objekte, die Feldeigenschaften angeben. [ { "name": "String", "type": "String" } ] Datentyp: Array.
<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>.type	ML-Feldtyp (maschinelles Lernen). Datentyp: Zeichenfolge.
<Object>.datasetProperties.fieldDetails.encodedQuery	Codierte Abfragezeichenfolge im Standard-Glide-Format. Weitere Informationen finden Sie unter Codierte Abfragezeichenfolgen. Datentyp: Zeichenfolge.
<Object>.domainName	Domänenname, der diesem Datensatz zugeordnet ist. Siehe Domänentrennung und Predictive Intelligence. Datentyp: Zeichenfolge.
<Object>.Encoder	Encoder-Objekt, das dieser Lösung zugewiesen ist. Siehe Encoder: Encoder(Object config). Datentyp: Objekt.
<Object>.inputFieldNames	Liste der Eingabefeldnamen als Zeichenfolgen. Das Modell verwendet die folgenden Felder, um Vorhersagen zu treffen. Datentyp: Zeichenfolge.
<Object>.ist Aktiv	Kennzeichnung, die angibt, ob diese Version aktiv ist. Gültige Werte: true: Version ist aktiv. false: Version ist nicht aktiv. Datentyp: Zeichenfolge
<Object>.Bezeichnung	Identifiziert die Vorhersageaufgabe. { "label": "my first prediction" } Datentyp: Zeichenfolge.
<Object>.name	Vom System zugewiesener Name. Datentyp: Zeichenfolge.
<Object>.predictedFieldName	Identifiziert ein Feld, das für die Vorhersagbarkeit trainiert werden soll. Datentyp: Zeichenfolge.
<Object>.predictedInterval	Wertebereich, der das Konfidenzniveau der Vorhersage angibt. Datentyp: Array
<Object>.processingLanguage	Verarbeitungssprache im aus zwei Buchstaben bestehenden ISO 639-1-Sprachcodeformat. Datentyp: Zeichenfolge.
<Object>.Bereich	Objektumfang. Derzeit ist der einzige gültige Wert global. Datentyp: Zeichenfolge
<Object>.Stoppwörter	Optional. Voreingestellte Liste von Zeichenfolgen, die das System basierend auf der Eigenschaftseinstellung language automatisch generiert. Weitere Informationen finden Sie unter Benutzerdefinierte Stoppwortlisten erstellen. Datentyp: Array.
<Object>.Versionsnummer	Versionsnummer des RegressionSolution- Objekt.

Im folgenden Beispiel werden Eigenschaften der aktiven Objektversion im Store abgerufen.

// Get properties
var mlSolution = sn_ml.RegressionSolutionStore.get('ml_incident_categorization');

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

Ausgabe:

{
  "datasetProperties": {
    "encodedQuery": "",
    "fieldNames": [
      "short_description",
      "sourcedc",
      "targetdc",
      "dbsize",
      "duration"
    ],
    "tableName": "cloudinfratext"
  },
  "domainName": "global",
  "encoderProperties": {
    "datasetsProperties": [],
    "name": "wc_regression"
  },
  "inputFieldNames": [
    "short_description",
    "sourcedc",
    "targetdc",
    "dbsize"
  ],
  "isActive": "true",
  "label": "Regression Test for DB Restore",
  "name": "ml_x_snc_global_global_regression",
  "predictedFieldName": "duration",
  "processingLanguage": "en",
  "stopwords": [
    "Default English Stopwords"
  ],
  "versionNumber": "1"
}

RegressionSolutionVersion – getStatus(Boolean includeDetails)

Ruft den Abschlussstatus des Trainings ab.

Tabelle : 3. Parameter

Name	Typ	Beschreibung
includeDetails	Boolean	Kennzeichnung, die angibt, ob der Status detailszurückgegeben werden soll. Gültige Werte: true: Zusätzliche Details zurückgeben. false: Keine zusätzlichen Details zurückgeben. Standardwert: False

Tabelle : 4. Ergebnisse

Typ	Beschreibung
Objekt	JavaScript-Objekt, das Informationen zum Trainingsstatus für enthält ein RegressionSolution- Objekt. { "state": "String", "percentComplete": "Number as a String", "hasJobEnded": "Boolean value as a String", "details": {Object} }
<Object>.Status	Abschlussstatus des Trainings. Wenn der Trainingsauftrag einen Endstatus erreicht, verlässt der Auftrag diesen Status nicht. Wenn der Status abgeschlossen ist, wird die Eigenschaft hasJobEnded auf truefestgelegt. Mögliche Werte: fetching_files_for_training vorbereiten_daten Erneut versuchen solution_cancelled (Terminal) solution_complete (Terminal) solution_error (Terminal) solution_incomplete „training_request_received“ „training_request_timed_out “ (Terminal) „training_solution“ wird hochgeladen wait_for_training Datentyp: Zeichenfolge
<Object>.hasJobEnded	Kennzeichnung, die angibt, ob das Training abgeschlossen ist. Gültige Werte: true: Training ist abgeschlossen. false: Training ist unvollständig. Datentyp: Boolescher Wert als Zeichenfolge
<Object>.percentComplete	Zahl zwischen null und 100, die den Abschluss des Trainings in Prozent angibt. Wenn der Prozentsatz der Fertigstellung weniger als 100 beträgt, befindet sich die Aufgabe möglicherweise in einem Endstatus. Zum Beispiel, wenn beim Training eine Zeitüberschreitung auftritt. Datentyp: Zahl als Zeichenfolge
<Object>.Details	Objekt mit einer Liste zusätzlicher Schulungsdetails. Datentyp: Objekt

Das folgende Beispiel zeigt ein erfolgreiches Ergebnis mit abgeschlossenem Training.

// Get status
var mlSolution = sn_ml.RegressionSolutionStore.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_regression_solution';
var mlSolution = sn_ml.RegressionSolutionStore.get(solutionName);
var trainingStatus = mlSolution.getLatestVersion().getStatus();

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

Ausgabe:

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

RegressionSolutionVersion – getVersionNumber()

Ruft die Versionsnummer von ab ein Lösungsobjekt.

Tabelle : 5. Parameter

Name	Typ	Beschreibung
Keine

Tabelle : 6. Ergebnisse

Typ	Beschreibung
Zeichenfolge	Versionsnummer.

Das folgende Beispiel zeigt, wie Sie eine Versionsnummer erhalten.

// Get version number
var mlSolution = sn_ml.RegressionSolutionStore.get('ml_incident_categorization');

gs.print("Version number: "+JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getVersionNumber()), null, 2));

Ausgabe:

Version number: 1

RegressionSolutionVersion – prediction(Object input, Object options)

Ruft die Eingabedaten für eine Vorhersage ab.

Tabelle : 7. Parameter

Name	Typ	Beschreibung
Eingabe	Objekt	GlideRecord oder ein 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 die Ergebnismenge angewendet werden soll. Gültige Werte: true: Ergebnisse zurückgeben, bei denen die Konfidenz größer als der Schwellenwert ist. false: Alle Ergebnisse zurückgeben. Standardwert: True
options.top_n	Nummer	Wenn angegeben, werden die besten Ergebnisse bis zur angegebenen Anzahl von Vorhersagen zurückgegeben.

Tabelle : 8. Ergebnisse

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. <identifier>: [ { "confidence": Number, "predictedSysId": "String", "predictedValue": "String", "threshold": Number } ] Datentyp: Array
<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. Die Ergebnisse können aus jeder Tabelle stammen, in der Informationen vorhergesagt werden. Datentyp: Zeichenfolge
<Object><identifier> .<object>.predictedValue	Wert, der das Vorhersageergebnis darstellt. Datentyp: Zeichenfolge
<Object><identifier> .<object>.threshold	Wert des konfigurierten Schwellenwerts, der der Vorhersage zugeordnet ist. Datentyp: Zahl

Das folgende Beispiel zeigt, wie Vorhersageergebnisse für eine prediction ()- Methode angezeigt werden, die einen GlideRecord nach sys_id als Eingabe akzeptiert und optionale Parameter enthält, um die ersten drei Ergebnisse zu beschränken und den Schwellenwert auszuschließen.

var mlSolution = sn_ml.RegressionSolutionStore.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));

{
        "<sys_id/now_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 eine prediction ()- Methode angezeigt werden, die ein Array von Feldnamen als Schlüssel-Wert-Paare für die Eingabe verwendet und optionale Parameter enthält, um die ersten drei Ergebnisse zu beschränken und den Schwellenwert auszuschließen.

var mlSolution = sn_ml.RegressionSolutionStore.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));

{
  "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": ""
    }
  ]
}