Verwenden Sie Gruppieren nach für die Klassifizierung
Verwenden Sie APIs, um gleichzeitig mehrere Klassifizierungslösungen für Schulungen basierend auf dem Feld Gruppieren nach zu übermitteln.
Sie können die optionale Funktion Gruppieren nach verwenden, um eine Klassifizierungslösung zu trainieren und zu verwalten, die mehr als einen Datenbereich abdeckt, z. B. geografischer Standort oder Domäne.
Um eine Lösung mit Gruppieren nach zu trainieren, müssen Sie hinzufügen Gruppieren nach Parameter beim Erstellen einer Klassifizierungslösungsdefinition mithilfe von APIs. Die Gruppieren nach Der Parameter akzeptiert nur kategorische Spalten als Eingaben, bei denen einzelne Modelle für die Teilmenge der Daten erstellt werden, die zu den einzelnen gehören Gruppieren nach Werte. Nur die untergeordneten Lösungen, die die für die Fähigkeit festgelegten Mindestdatensatzkriterien erfüllen, werden erstellt. Hier werden die Vorhersageaufrufe basierend auf dem in der Vorhersageeingabe vorhandenen Wert „Gruppieren nach“ an das entsprechende Modell „Gruppieren nach“ weitergeleitet. Batch-Vorhersagen werden nicht unterstützt.
Ein Gruppierungsszenario für geografische Standorte
Angenommen, Ihr globales Unternehmen verwendet die Klassifizierungsweiterleitung für eingehende Datensätze, mit einem Support Center in den USA und einem in Europa. Hier möchten Sie eine einzige Klassifizierungslösung erstellen, die ein Modell für Ihre Incidents in den USA und ein anderes Modell für Ihre europäischen Incidents hat.
- Erstellen und trainieren Sie zwei separate ML-Klassifizierungslösungsdefinitionen, wobei eine nur nach US-Incidents und eine nur nach europäischen Incidents gefiltert wird.
- Verwenden Sie Gruppieren nach Parameter zum Erstellen von groupby für den Länderstandort, damit alle US-Definitionen ein US-Modell erstellen und alle europäischen Definitionen ein europäisches Modell erstellen. Dann identifiziert das System basierend auf dem Incident, welches Modell es verwendet, um die richtige Klassifizierungskategorie vorherzusagen.
Der zweite Ansatz hat Vorteile, da sich die von Ihnen verwendeten Modelle sogar in verschiedenen Domänen befinden können, z. B. im Gesundheitswesen oder im Finanzbereich. Dieser Ansatz ist besonders nützlich, wenn Sie mehrere Länderstandorte oder Domänen verwalten müssen.
Beispielverwendung für Training und Vorhersage mit der API „Gruppieren nach“
var myIncidentData = new sn_ml.DatasetDefinition({
'tableName' : 'incident',
'fieldNames' : ['category','short_description','assignment_group','description','priority'],
'encodedQuery' : 'activeANYTHING'
});
var mySolution = new sn_ml.ClassificationSolution({
'label': 'solution label',
'dataset' : myIncidentData,
'groupByFieldName' : 'assignment_group',
'predictedFieldName': 'category',
'inputFieldNames': ['short_description','description','priority']
});
//Add solution definition
var solution_gr = sn_ml.ClassificationSolutionStore.add(mySolution)
//Get existing solution
var my_unique_name = sn_ml.ClassificationSolutionStore.get('solution name');
// submit training job
var solutionVersion = my_unique_name.submitTrainingJob();
// Run prediction
var input = new GlideRecord("incident");
input.get("sys_id");
// configure optional parameters
var options = {};
options.apply_threshold = false;
var mlSolution = sn_ml.ClassificationSolutionStore.get('solution name');
//Prediction using glide record
var results = mlSolution.getActiveVersion().predict(input, options);
//Prediction using map
var results = mlSolution.getActiveVersion().predict([{ 'short_description': input.short_description,
'assignment_group': input.assignment_group }], options);Weitere Informationen zu diesem Beispiel und zur allgemeinen Verwendung von APIs für maschinelles Lernen finden Sie unter den Links im Abschnitt „zugehörige Inhalte“ auf dieser Seite.