VorhersageabilitätEstimateVersion – Global

  • Freigeben Version: Zurich
  • Aktualisiert 31. Juli 2025
  • 4 Minuten Lesedauer

    • Die VorhersageabilitätEstimateVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive Intelligence Speichert.

    Diese(s) API erfordert Predictive Intelligence Plugin (com.glide.platform_ml) und wird in bereitgestellt sn_ml Namespace.

    Verwenden Sie diese API, wenn Sie mit Versionen von Vorhersagbarkeitsschätzungen basierend auf arbeiten PredictabilityEstimate-API Objekte in PredictabilityEstimate Store .

    Das System aktiviert die neueste Version von Vorhersagbarkeitsschätzung Wenn das Training abgeschlossen ist, und lässt zu, dass jeweils nur eine Version aktiv ist. Sie können jedoch jede zuvor trainierte Version aktivieren, die Sie für Vorhersagen verwenden möchten.

    Methoden in dieser API sind wie folgt zugänglich VorhersagetabiltySchätzwert Methoden:

    PredictabilityEstimateVersion – getProperties()

    Ruft Objekteigenschaften der Vorhersagbarkeitsschätzung ab Und Versionsnummer.

    Tabelle : 1. Parameter
    Name Typ Beschreibung
    Keine
    Tabelle : 2. Ergebnisse
    Typ Beschreibung
    Objekt Inhalt des Datensatzes und VorhersageabilitätEstimate Versionsdetails. Die Ergebnisse variieren je nach Setup der Objekteigenschaft.
    {
  "datasetProperties": {Object},
  "domainName": "String", 
  "inputFieldNames": [Array],
  "label": "String",
  "name": "String",
  "predictedFieldName": "String",
  "scope": "String",
  "trainingFrequency": "String",
  "versionNumber": "Number"
}
    <Object>.DatasetEigenschaften

    Listet die Eigenschaften von auf Datendefinition() Objekt, das der Vorhersagbarkeitsschätzung zugeordnet ist.

    {
  "encodedQuery": "String",
  "fieldDetails": [Array],
  "fieldNames": [Array],
  "tableName": "String"
}

    Datentyp: Objekt.
    <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. 
    [
  {
    "name": "String",
    "type": "String"
  }
]

    Datentyp: Array.
    <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>.InputFieldNames Liste der Kandidateneingabefelder als Zeichenfolgen, die bei der Schätzung berücksichtigt werden sollen.

    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>.Umfang Objektbereich. Derzeit ist der einzige gültige Wert Global .

    Datentyp: Zeichenfolge
    <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 VorhersageabilitätEstimate Objekt.

    Datentyp: Zeichenfolge.

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

    // Get properties
var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_incident_categorization');

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

    Ausgabe:

    "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"
}

    PredictabilityEstimateVersion – getResults()

    Gibt JSON-Ergebnisse zurück, die vorgeschlagene Eingabefelder für ein Ausgabefeld enthalten.

    Tabelle : 3. Parameter
    Name Typ Beschreibung
    Keine
    Tabelle : 4. Ergebnisse
    Typ Beschreibung
    Objekt JSON-Objektergebnisse mit vorgeschlagenen Eingabefeldoptionen für ein Ausgabefeld.
    <Object>.<output field name> Ausgabefeldname, z. B. Kategorie , Enthält vorgeschlagene Eingabefelder.
    {
  "<output field name>": {
    "nominalInputFields": [Array],
    "textInputFields": [Array]
  }
}

    Datentyp: Objekt
    <Object>. <output field name>.NominalInputFields Nominale Eingabefelddetails.
    "nominalInputFields": [
      {
        "fieldName": "String",
        "modelImprovement": "String"     
      }
    ]

    Datentyp: Array.
    <Object>. <output field name>.NominalInputFields.fieldName Nominaler Eingabefeld-Name.

    Datentyp: Zeichenfolge.
    <Object>. <output field name>.NominalInputFelder.ModellVerbesserung Punktzahl als relativer Indikator dafür, wie wahrscheinlich es ist, dass dieses Feld die Ergebnisse verbessert.

    Datentyp: Zahl als Zeichenfolge.
    <Object>.TextInputFields Details zum Texteingabefeld.
    
    "textInputFields": [
      {
        "fieldName": "String",
        "density": "String"
      }
    ]

    Datentyp: Array.
    <Object>.TextInputFields.fieldName Name des Texteingabefelds.

    Datentyp: Zeichenfolge.
    <Object>.textInputFields.density Wert zwischen 0 und 1,0, der die Häufigkeit darstellt, dass das Feld nicht leer ist. Ein Wert von 1,0 bedeutet, dass das Feld nicht in allen Zeilen leer ist, und ein Wert von 0 gibt an, dass das Feld in allen Zeilen leer ist.

    Datentyp: Zahl als Zeichenfolge.

    Das folgende Beispiel zeigt, wie Ergebnisse für eine ausgewählte Version einer Vorhersagbarkeitsschätzung im Store abgerufen werden.

    // Get results
var estimateName = "ml_x_snc_global_global_predictability_estimate;"
var mlEstimate = sn_ml.PredictabilityEstimateStore.get(estimateName);

var results = mlEstimate.getActiveVersion().getResults();

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

    Ausgabe:

    {
  "category": {
    "nominalInputFields": [
      {
        "fieldName": "number",
        "modelImprovement": "0.167052396325189"
      },
      {
        "fieldName": "task_effective_number",
        "modelImprovement": "0.167052396325189"
      }
    ],
    "textInputFields": [
      {
        "fieldName": "short_description",
        "density": "1.0"
      }
    ]
  }
}

    PredictabilityEstimateVersion – getStatus(boolesche includeDetails)

    Ruft den Abschlussstatus des Trainings ab.

    Tabelle : 5. 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 : 6. Ergebnisse
    Typ Beschreibung
    Objekt JavaScript-Objekt mit Schulungsstatusinformationen fürA VorhersageabilitätEstimate 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 mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_incident_categorization');

gs.print(JSON.stringify(JSON.parse(mlEstimate.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 mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_my_estimate_definition');
var trainingStatus = mlEstimate.getLatestVersion().getStatus();

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

    Ausgabe:

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

    PredictabilityEstimateVersion – getVersionNumber()

    Ruft die Versionsnummer von ab Ein Schätzungsobjekt für Vorhersagbarkeit.

    Tabelle : 7. Parameter
    Name Typ Beschreibung
    Keine
    Tabelle : 8. Ergebnisse
    Typ Beschreibung
    Zeichenfolge Versionsnummer.

    Das folgende Beispiel zeigt, wie eine Versionsnummer abgerufen wird.

    // Get version number
var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate');

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

    Ausgabe:

    Version number: 1