Predictive Intelligence installieren

  • Freigeben Version: Xanadu
  • Aktualisiert 1. August 2024
  • 2 Minuten Lesedauer

    • Aktivieren Sie Predictive Intelligence in Ihrer -Instanz, und beginnen Sie mit der Basiskonfiguration.

    Vorbereitungen

    Erforderliche Rolle: admin

    Warum und wann dieser Vorgang ausgeführt wird

    Wenn Sie das Plugin Predictive Intelligence zum ersten Mal in Ihrer -Instanz aktivieren, startet das System eine Homepage. Diese Homepage enthält eine Zusammenfassung der Frameworks für Klassifizierungs-, Ähnlichkeits-, Clustering- und Regressionslösungen. Sie können Lösungen direkt auf der -Seite erstellen, trainieren und testen, sodass Sie schnell die Grundfunktionen einer auf maschinellem Lernen (ML) basierenden Lösung verstehen. Eine Zusammenfassung der neuesten trainierten Lösung ist ebenfalls verfügbar.

    Prozedur

    1. Navigieren Sie zu Systemdefinition > Plugins.
    2. Verwenden Sie die Suchleiste, um das Plugin „Berichte Predictive Intelligence (com.glide.platform_ml_pa) und das abhängige Plugin Predictive Intelligence (com.glide.platform_ml) zu finden.
    3. Wählen Sie Installieren und dann im Dialogfeld Plugin aktivieren die Option Aktivierenaus.
      Wenn Sie das erste Plugin aktivieren, wird das von ihm abhängige Plugin automatisch aktiviert.
    4. Vergewissern Sie sich, dass der Benutzer sharedservice.worker bei der Aktivierung erfolgreich erstellt wurde.
      Die beiden Plugins Predictive Intelligence verwenden diesen Benutzer zum Trainieren Ihrer ML-Lösungen.
      Hinweis:
      Der Benutzer „sharedservice.worker“ enthält die folgenden Rollen:
      • platform_ml_read
      • Platform_ml_write
      • Platform_ml_create
      Diese Rollen sind zum Erstellen, Trainieren und Anzeigen von Lösungen erforderlich. Diese Rollen sind intern und sollen nicht bearbeitet oder anderen Anwendern zugewiesen werden.

    Predictive Intelligence implementieren

    Implementieren Sie die anfänglichen Setup- und Konfigurationsschritte für Predictive Intelligence, um einen Algorithmus für maschinelles Lernen (ML) so zu trainieren, dass er auf Grundlage früherer Datensatzdaten Vorhersagen trifft.

    Vorbereitungen

    Erforderliche Rolle: admin oder ml_admin

    Warum und wann dieser Vorgang ausgeführt wird

    Der Trainingsvorgang erfordert das Senden von Daten aus Datensätzen an einen Trainingsservice im nächstgelegenen Rechenzentrum. Da jedes Rechenzentrum über einen eigenen dedizierten Trainingsserver verfügt und die Daten das Rechenzentrum nicht verlassen, steht dieser Service auch Kunden mit Anforderungen in puncto Datenhoheit zur Verfügung. Weitere Informationen zu diesem Prozess finden Sie unter Erkunden Sie Predictive Intelligence.

    Häufig gestellte Fragen zur Erstkonfiguration und zum Setup finden Sie unter KB0781894.

    Prozedur

    1. Aktivieren Sie Predictive Intelligence auf einer Nicht-Produktionsinstanz.
    2. Exportieren Sie aus Ihrer Produktionsinstanz die Datensätze, die Ihre Predictive Intelligence-Lösungen verarbeiten sollen.
      Exportieren Sie beispielsweise Incident-Datensätze von 12 Monaten in eine Nicht-Produktionsinstanz.
    3. Importieren Sie in der Instanz außerhalb der Produktion die Datensätze, die Sie exportiert haben.
    4. Überprüfen Sie in der Nicht-Produktionsinstanz die standardmäßigen Lösungsdefinitions-Datensätze, um festzustellen, ob der Filter, die Eingabefelder und das Ausgabefeld ausreichen, um Ihre Incident- oder Aufgabendatensätze vorherzusagen.
      Wenn erforderlich, erstellen Sie eine Lösungsdefinition für jeden Datensatz, den Sie vorhersagen möchten.
    5. Trainieren Sie in der Instanz außerhalb der Produktion die Lösungsdefinitionsdatensätze.
    6. Testen Sie die Lösungsvorhersagen in der Instanz außerhalb der Produktion, indem Sie entweder Testdatensätze erstellen oder weitere Datensätze aus der Produktion importieren.
    7. Bei Klassifizierungslösungen sollten Sie die Vorhersageberichte überprüfen, um die Genauigkeit und Abdeckung Ihrer Lösung und der einzelnen Klassen zu ermitteln.
    8. Bei Ähnlichkeitslösungen sollten Sie die Ähnlichkeitsbeispiele überprüfen, um gegebenenfalls den Schwellenwert für die Ähnlichkeitspunktzahl zu aktualisieren.
    9. Aktualisieren Sie ggf. den Lösungsdefinitionsfilter, um mehr oder andere Trainingsdatensätze einzubeziehen.
    10. Trainieren und testen Sie alle aktualisierten Lösungsdefinitions-Datensätze erneut.
    11. Wenn Sie mit Ihren Lösungen zufrieden sind, aktivieren Sie Predictive Intelligence in der Produktionsinstanz.
    12. Erstellen Sie alle benutzerdefinierten Lösungsdefinitions-Datensätze neu, und trainieren Sie die Lösung, oder importieren Sie die Lösung aus ihrer Nicht-Produktionsinstanz in Ihre Produktionsinstanz.