ClassificationSolutionVersion

ClassificationSolutionVersion – getPredictionPerformance(Objektoptionen)

Berechnet die Genauigkeit und Abdeckung der Lösung.

Um diese Methode zu verwenden, müssen Sie zuerst Einstellungen mit erstellen SetPredictionSettings() Methode.

Tabelle : 1. Parameter
Name	Typ	Beschreibung
Optionen	Objekt	Wählt eine Metrik aus, die innerhalb eines Datumsbereichs abgerufen werden soll. Weitere Informationen finden Sie unter Zielmetriken werden konfiguriert . `{ "fromDate": "String", "metricName": "String", "toDate": "String" }`
options.fromDate	Zeichenfolge	Optional. Startdatum, ab dem Metriken im Systemdatums-/Uhrzeitformat abgerufen werden sollen.
Optionen.metricName	Zeichenfolge	Name der Metrik Gültige Werte: precision coverage
Optionen.bis heute	Zeichenfolge	Optional. Enddatum, ab dem Metriken abgerufen werden sollen. Formular: Format für Systemdatum/Uhrzeit.

Tabelle : 2. Rückgaben
Typ	Beschreibung
Objekt	Analysierbares JavaScript-Objekt, das die Ergebnisse für die Eingabemetrik enthält. `{ "metricName" : "String", "metricValue" : "String", "numberOfPredictionsConsidered" : "String" }`
Objekt.metricName	Name der als Eingabe ausgewählten Metrik. Datentyp: Zeichenfolge
Objekt.Metrikwert	Wert der ausgewählten Metrik. Datentyp: Zeichenfolge
Objekt.Nummernvon Datensätzen berücksichtigt	Anzahl der Datensätze in der Tabelle „Vorhersageergebnisse“ [ml_Predictor_results], die für Berechnungen berücksichtigt werden. Datentyp: Zeichenfolge

Das folgende Beispiel zeigt, wie ein Genauigkeitswert aus der aktiven Version einer Lösung abgerufen wird.

// Get precision value
var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getPredictionPerformance({"metricName": "precision"})), null, 2));

Ausgabe:

{
  "metricName": "precision",
  "metricValue": "70.10",
  "numberOfPredictionsConsidered": "10"
}

ClassificationSolutionVersion – getPredictionSettings()

Ruft die geschätzte Genauigkeit, die geschätzte Abdeckung, die geschätzten Rückrufwerte aus der Tabelle „ML-Lösungen“ [ml_Solution] und Datensätze aus der Tabelle „Klassenkonfidenz“ [ml_class] ab.

Tabelle : 3. Parameter
Name	Typ	Beschreibung
Keine

Tabelle : 4. Ergebnisse
Typ	Beschreibung
Objekt	Gibt Vorhersageeinstellungen für jede Klasse zurück. Die Daten umfassen Genauigkeits-, Abdeckungs-, Rückruf- und Verteilungswerte aller Klassen, die im trainierten Modell aus der Tabelle „ML-Lösungen“ [ml_Solution] enthalten sind. Weitere Informationen finden Sie unter Komponenten des Vorhersagemodells . `{ "<class name>": {Object} }`
<Object>.<class name>	Trainingsstatistikdaten aus der Tabelle „Klassenkonfidenz“ [ml_class]. Weitere Informationen finden Sie unter Zielmetriken werden konfiguriert . Datentyp: Objekt `{ "precision": "String", "coverage": "String", "recall": "String" }`
<Object>.<class name>.Genauigkeit	Geschätzte Metrik der Lösungsgenauigkeit für diese Klasse. Datentyp: Zeichenfolge (numerischer Wert)
<Object>.<class name>.Abdeckung	Metrik für geschätzte Lösungsabdeckung für diese Klasse. Datentyp: Zeichenfolge (numerischer Wert)
<Object>.<class name>.Rückruf	Geschätzte Lösungsrückrufmetrik für diese Klasse. Datentyp: Zeichenfolge (numerischer Wert)

Das folgende Beispiel zeigt, wie Vorhersageeinstellungen einer aktiven Lösungsversion abgerufen werden.

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

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

Ausgabe:

{
  "solutionSettings": {
    "precision": "61.69",
    "coverage": "66.75",
    "recall": "57.54"
  },
  "classSettings": {
    "Approvals": {
      "precision": "100",
      "coverage": "0",
      "recall": "0"
    },
    "Authentication": {
      "precision": "38.71",
      "coverage": "98.44",
      "recall": "56.25"
    },
    "Automation": {
      "precision": "100",
      "coverage": "0",
      "recall": "0"
    }, ...

ClassificationSolutionVersion – getProperties()

Ruft Lösungsobjekteigenschaften ab Und Versionsnummer.

Tabelle : 5. Parameter
Name	Typ	Beschreibung
Keine

Tabelle : 6. Ergebnisse
Typ	Beschreibung
Objekt	Inhalt des Datensatzes und KlassifizierungLösung Versionsdetails. Die Ergebnisse variieren je nach Setup der Objekteigenschaft. `{ "algorithmConfig": { "algorithm": "String", "targetClassRecall": "String" }, "datasetProperties": {Object}, "domainName": "String", "encoder": {Object}, "groupByFieldName": "String", "inputFieldNames": [Array], "isActive": Boolean, "label": "String", "name": "String", "predictedFieldName": "String", "processingLanguage": "String", "scope": "String", "stopwords": [Array], "stopwords": [Array], "trainingFrequency": "String", "versionNumber": "Number" }`
<Object>.AlgorithmConfig	Methode zum Codieren der Lösung. Datentyp: Objekt
<Object>.AlgorithmConfig.Algorithmus	Name des Codierungsalgorithmus für das Trainieren dieser Lösung. Mögliche Werte: xgboost: XGBoost-Codierung zur Optimierung des Trainings. logisticRegression: Methode, die das logistische Regressionsmodell für kategorische Ziele wie nominal oder Ordnungszahl verwendet. Datentyp: Zeichenfolge
<Object>.AlgorithmConfig.targetClassRückruf	Klassenrückrufparameter, um das Training einer Lösung so zu steuern, dass eine bestimmte Klasse verzerrt wird. Der Rückrufwert ist eine Zahl zwischen 0 und 100, die einen Prozentsatz darstellt. Datentyp: Zeichenfolge
<Object>.DatasetEigenschaften	Listet die Eigenschaften von auf Datendefinition() Objekt, das der Lösung zugeordnet ist. Datentyp: Objekt `{ "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" }`
<Object>.DatasetProperties.tableName	Name der Tabelle für den Datensatz. Beispiel: `„Tabellenname“: „Incident“` . Datentyp: Zeichenfolge
<Object>.DatenbasisEigenschaften.Feldnamen	Liste der Feldnamen aus der angegebenen Tabelle als Zeichenfolgen. Beispiel: `„Feldnamen“: [„short_description“, „Priorität“]` . Datentyp: Array
<Object>.DatenbasisEigenschaften.Feldnamen.Felddetails	Liste der JavaScript-Objekte, die Feldeigenschaften angeben. Datentyp: Array von Objekten `[ { "name": "String", "type": "String" } ]`
<Object>.DatenbasisEigenschaften.Feldnamen.Felddetails. <object>.Name	Name des Felds, das den Typ der Informationen definiert, auf die dieser Datensatz beschränkt werden soll. Datentyp: Zeichenfolge
<Object>.DatenbasisEigenschaften.Felddetails. <object>.Typ	Feldtyp für maschinelles Lernen. Datentyp: Zeichenfolge
<Object>.DatasetProperties.fieldDetails.encodedQuery	Codierte Abfragezeichenfolge im Standard-Glide-Format. Siehe Codierte Abfragezeichenfolgen . Datentyp: Zeichenfolge
<Object>.Domänenname	Domänenname, der diesem Datensatz zugeordnet ist. Siehe Domänentrennung und Predictive Intelligence. Datentyp: Zeichenfolge
<Object>.Encoder	Encoderobjekt, das dieser Lösung zugewiesen ist. Siehe Encoder – Encoder (Objektkonfiguration). Datentyp: Objekt
<Object>.GroupByFieldName	Feldname, nach dem das System Datensätze gruppiert, um Klassifizierungslösungen zu erstellen. Datentyp: Zeichenfolge
<Object>.InputFieldNames	Liste der Eingabefeldnamen als Zeichenfolgen. Das Modell verwendet diese Felder, um Vorhersagen zu treffen. Datentyp: Zeichenfolge
<Object>.Isaktiv	Kennzeichnung, die angibt, ob diese Version aktiv ist. Gültige Werte: Wahr: Version ist aktiv. Falsch: Version ist nicht aktiv. Datentyp: Zeichenfolge
<Object>.Bezeichnung	Gibt die Vorhersageaufgabe an. `{ "label": "my first prediction" }` Datentyp: Zeichenfolge
<Object>.Name	Vom System zugewiesener Name. Datentyp: Zeichenfolge
<Object>.PredictedFieldName	Gibt ein Feld an, das zur Vorhersagbarkeit trainiert werden soll. Datentyp: Zeichenfolge
<Object>.ProcessingLanguage	Sprache wird im zweistelligen ISO 639-1-Sprachcodeformat verarbeitet. Datentyp: Zeichenfolge
<Object>.Umfang	Objektbereich. Derzeit ist der einzige gültige Wert `Global` . Datentyp: Zeichenfolge
<Object>.Stoppwörter	Optional. Voreingestellte Liste von Zeichenfolgen, die das System automatisch basierend auf generiert languageEigenschaftseinstellung. Weitere Informationen finden Sie unter Erstellen Sie eine anwenderdefinierte Stoppwortliste . Datentyp: Array
<Object>.TrainingHäufigkeit	Die Häufigkeit, mit der das Modell neu trainiert werden soll. Mögliche Werte: Every_30_days Every_60_days Every_90_days Every_120_days Every_180_days run_once Standard: Run_once Datentyp: Zeichenfolge
<Object>.VersionNumber	Versionsnummer von KlassifizierungLösung Objekt. Datentyp: Zeichenfolge

Das folgende Beispiel ruft Eigenschaften der aktiven Objektversion im Store ab.

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

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

Ausgabe:

*** Script: {
  "datasetProperties": {
    "encodedQuery": "activeANYTHING^EQ",
    "fieldNames": [
      "short_description",
      "category"
    ],
    "tableName": "incident"
  },
  "domainName": "global",
  "inputFieldNames": [
    "short_description"
  ],
  "isActive": "true",
  "label": "Incident Categorization_Trainer",
  "name": "ml_incident_categorization",
  "predictedFieldName": "category",
  "processingLanguage": "en",
  "stopwords": [
    "Default English Stopwords"
  ],
  "versionNumber": "1"
}

ClassificationSolutionVersion – getStatus(boolesche includeDetails)

Ruft den Abschlussstatus des Trainings ab.

Tabelle : 7. Parameter
Name	Typ	Beschreibung
EinbeziehenDetails	Boolean	Kennzeichnung, die angibt, ob der Status zurückgegeben werden soll details. Gültige Werte: Wahr: Gibt zusätzliche Details zurück. Falsch: Keine zusätzlichen Details zurückgeben. Standardwert: False

Tabelle : 8. Ergebnisse
Typ	Beschreibung
Objekt	JavaScript-Objekt mit Schulungsstatusinformationen fürA KlassifizierungLösung Objekt. `{ "state": "String", "percentComplete": "Number as a String", "hasJobEnded": "Boolean value as a String", "details": {Object} }`
<Object>.status	Abschlussstatus des Trainings. Wenn der Schulungsauftrag einen Terminalstatus erreicht, verlässt der Auftrag diesen Status nicht. Wenn der Status Terminal ist, wird die hasJobEndedEigenschaft ist auf festgelegt `Wahr` . Mögliche Werte: `Abrufen_Dateien_für_Training` `Preparing_Data` `Erneut versuchen` `Solution_CANCEL` (Terminal) `Solution_Complete` (Terminal) `Solution_error` (Terminal) `Lösung_unvollständig` `Training_Request_Received` `Training_Request_Timed_out` (Terminal) `Training_Solution` `Uploading_Solution` `Warten_auf_Training` Datentyp: Zeichenfolge
<Object>.HasJobEnded	Kennzeichnung, die angibt, ob das Training abgeschlossen ist. Gültige Werte: Wahr: Training ist abgeschlossen. Falsch: Training ist unvollständig. Datentyp: Boolescher Wert als Zeichenfolge
<Object>.Prozent abgeschlossen	Abschluss des Trainings in Prozent. Wenn der Fertigstellungsprozentsatz kleiner als 100 ist, befindet sich der Auftrag möglicherweise in einem Terminalstatus. Zum Beispiel, wenn das Training eine Zeitüberschreitung hat. Datentyp: Zahl als Zeichenfolge Bereich: 0 bis 100
<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.ClassificationSolutionStore.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_classification_solution';
var mlSolution = sn_ml.ClassificationSolutionStore.get(solutionName);
var trainingStatus = mlSolution.getLatestVersion().getStatus();

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

Ausgabe:

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

ClassificationSolutionVersion – getTrainingStatistics()

Ruft alle Trainingsstatistiken für eine bestimmte Lösung ab.

Tabelle : 9. Parameter
Name	Typ	Beschreibung
Keine

Tabelle : 10. Ergebnisse
Typ	Beschreibung
Objekt	JavaScript-Objekt mit Statistiken für jede im Training enthaltene Klasse und Werten für jede vom Training ausgeschlossene Klasse. Weitere Informationen finden Sie unter Komponenten des Vorhersagemodells . `{ "includedClasses": {Object}, "excludedClasses": {Object} }`
<Object>.IncludedClasses	Objekt mit Genauigkeits-, Abdeckungs-, Rückruf- und Verteilungswerten jeder Klasse im trainierten Modell. Datentyp: Objekt `"includedClasses": { "<class name>": { "distribution": "String", "statistics": [Array] },`
<Object>.IncludedClasses.<class name>.Distribution	Wert der Ergebniswahrscheinlichkeitsverteilung für diese Klasse. Datentyp: Zeichenfolge
<Object>.IncludedClasses.<class name>.statistics	Liste von Objekten, die Trainingsstatistikdaten bereitstellen. Weitere Informationen finden Sie unter Zielmetriken werden konfiguriert . Datentyp: Array von Objekten `[ { "coverage": "String", "precision": "String", "recall": "String", "selected": "String" } ]`
<Object>.IncludedClasses.<class name>.statistics.Coverage	Metrik für geschätzte Lösungsabdeckung für diese Klasse. Datentyp: Zeichenfolge (numerischer Wert)
<Object>.IncludedClasses.<class name>.statistics.Precision	Geschätzte Metrik der Lösungsgenauigkeit für diese Klasse. Datentyp: Zeichenfolge (numerischer Wert)
<Object>.IncludedClasses.<class name>.statistics.Recall	Geschätzte Lösungsrückrufmetrik für diese Klasse. Datentyp: Zeichenfolge (numerischer Wert)
<Object>.IncludedKlassen.<class name>.statistics.selected	Kennzeichnung, die angibt, ob diese Klasse Datensätze enthält, die im Lösungstraining enthalten sind. Gültige Werte: Wahr: Diese Klasse enthält Datensätze, die zum Trainieren der Lösung ausgewählt wurden. Falsch: Diese Klasse ist vom Training ausgeschlossen. Datentyp: Zeichenfolge (boolescher Wert) Standardwert: false
<Object>.Exklusive Klassen	Verteilung und Zeilenanzahl aller vom Training ausgeschlossenen Klassen. Datentyp: Objekt `"excludedClasses": { "<class name>": { "distribution": "0.11", "rowCount": "9" }`
<Object>.ExcludedKlassen.<class name>.Verteilung	Wert der Ergebniswahrscheinlichkeitsverteilung für diese Klasse. Datentyp: Zeichenfolge
<Object>.ExcludedClasses.<class name>.ROWCOUNT	Anzahl der vom Training ausgeschlossenen Zeilen. Datentyp: Zeichenfolge (numerischer Wert)

Das folgende Beispiel zeigt, wie Schulungsstatistiken aus der aktiven Lösung abgerufen werden.

// Get training stats
var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

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

Ausgabe:

{
  "includedClasses": {
    "Approvals": {
      "distribution": "0.43",
      "statistics": [
        {
          "precision": "100",
          "coverage": "0",
          "recall": "0",
          "selected": "true"
        }
      ]
    }, 
    "Authentication": {
      "distribution": "4.3",
      "statistics": [
        {
          "precision": "39.33",
          "coverage": "95.31",
          "recall": "54.69",
          "selected": "false"
        },
        {
          "precision": "100",
          "coverage": "0",
          "recall": "0",
          "selected": "false"
        },
     ...
    }
    ...
  "excludedClasses": {
    "ACE": {
      "distribution": "0.11",
      "rowCount": "9"
    },
    "AHA": {
      "distribution": "0.01",
      "rowCount": "1"
    }, 
    ...
}

ClassificationSolutionVersion – getVersionNumber()

Ruft die Versionsnummer von ab Ein Lösungsobjekt.

Tabelle : 11. Parameter
Name	Typ	Beschreibung
Keine

Tabelle : 12. Ergebnisse
Typ	Beschreibung
Zeichenfolge	Versionsnummer.

Das folgende Beispiel zeigt, wie eine Versionsnummer abgerufen wird.

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

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

Ausgabe:

Version number: 1

ClassificationSolutionVersion – Predict (Objekteingabe, Objektoptionen)

Ruft die Eingabedaten für eine Vorhersage ab.

Tabelle : 13. Parameter
Name	Typ	Beschreibung
Eingabe	Objekt	GlideRecord Oder 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 den Ergebnissatz angewendet werden soll. Gültige Werte: Wahr: Ergebnisse zurückgeben, bei denen die Konfidenz größer als der Schwellenwert ist. Falsch: Alle Ergebnisse zurückgeben. Standardwert: True
Optionen.Top_n	Anzahl	Wenn angegeben, werden die Top-Ergebnisse bis zur angegebenen Anzahl von Vorhersagen zurückgegeben.

Tabelle : 14. Rückgaben
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. Datentyp: Array von Objekten `<identifier>: [ { "confidence": Number, "predictedSysId": "String", "predictedValue": "String", "threshold": Number } ]`
<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. Ergebnisse können aus jeder Tabelle stammen, für die Informationen vorhergesagt werden. Datentyp: Zeichenfolge
<Object>.<identifier>. <object>.PredictedValue	Wert, der das Vorhersageergebnis darstellt. Datentyp: Zeichenfolge
<Object>.<identifier>. <object>.Schwellenwert	Wert des konfigurierten Schwellenwerts, der der Vorhersage zugeordnet ist. Datentyp: Zahl

Das folgende Beispiel zeigt, wie Vorhersageergebnisse für angezeigt werden Vorhersagen() Methode, die einen GlideRecord nach sys_ID für die Eingabe verwendet und optionale Parameter enthält, um auf die drei wichtigsten Ergebnisse zu beschränken und den Schwellenwert auszuschließen.

var mlSolution = sn_ml.ClassificationSolutionStore.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));

Ausgabe:

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

var mlSolution = sn_ml.ClassificationSolutionStore.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));

Ausgabe:

{
  "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": ""
    }
  ]
}

ClassificationSolutionVersion – setPredictionSettings(Objektoptionen)

Legt Genauigkeits-, Abdeckungs- oder Rückrufwerte auf Lösungs- oder Klassenebene fest.

Tabelle : 15. Parameter
Name	Typ	Beschreibung
Optionen	Objekt	Metrikkonfigurationswerte. Informationen zu diesen Funktionen finden Sie unter Zielmetriken werden konfiguriert . `{ "metricName" : "String", "metricValue" : "String", "className" : "String" }`
Optionen.metricName	Zeichenfolge	Name der festzulegenden Metrik. Gültige Werte: coverage precision recall
Optionen.metricWert	Zeichenfolge	Numerischer Wert, der der Metrik zugewiesen werden soll.
Optionen.className	Zeichenfolge	Optional. Name der Klasse, auf die Ergebnisse beschränkt werden sollen. Verwenden Sie GetTrainingStatistics() Methode zum Abrufen einer vollständigen Liste von Klassen für eine Lösung.

Tabelle : 16. Rückgaben
Typ	Beschreibung
Keine

Das folgende Beispiel zeigt, wie eine Genauigkeitsmetrik für eine Klasse mit dem Namen auf 89,5 festgelegt wird Klonprobleme .

var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_classification');
var input = {"metricName" : "precision", "metricValue" : "89.5", "className" : "Clone Issues"};

mlSolution.getActiveVersion().setTrainingStatistics(input);

ClassificationSolutionVersion – Global

Zürich-API-Referenz

ClassificationSolutionVersion – Global

ClassificationSolutionVersion – getPredictionPerformance(Objektoptionen)

ClassificationSolutionVersion – getPredictionSettings()

ClassificationSolutionVersion – getProperties()

ClassificationSolutionVersion – getStatus(boolesche includeDetails)

ClassificationSolutionVersion – getTrainingStatistics()

ClassificationSolutionVersion – getVersionNumber()

ClassificationSolutionVersion – Predict (Objekteingabe, Objektoptionen)

ClassificationSolutionVersion – setPredictionSettings(Objektoptionen)