Utilisation de Grouper par pour la classification
Utilisez les API pour soumettre simultanément plusieurs solutions de classification pour la formation en fonction du champ Grouper par.
Vous pouvez utiliser l’aptitude Grouper par en option pour former et gérer une solution de classification qui couvre plus d’une zone de données, telle que l’emplacement géographique ou le domaine.
Pour former une solution à l’aide de Grouper par, vous devez ajouter le paramètre Grouper par lors de la création d’une définition de solution de classification à l’aide d’API. Le paramètre groupby accepte uniquement les colonnes catégorielles comme entrées, où des modèles individuels sont créés sur le sous-ensemble de données appartenant à chacune des valeurs groupby . Seules les solutions enfants qui satisfont aux critères d’enregistrements minimaux définis pour l’aptitude sont créées. Ici, les appels de prédiction sont acheminés vers le modèle Grouper par correspondant en fonction de la valeur Grouper par présente dans l’entrée de prédiction. Les prédictions de lots ne sont pas prises en charge.
Un scénario Grouper par pour les emplacements géographiques
Supposons que votre entreprise internationale utilise l’acheminement de classification pour les enregistrements entrants, avec un centre de support aux États-Unis et un en Europe. Ici, vous souhaitez créer une solution de classification unique dotée d’un modèle pour vos incidents aux États-Unis et d’un autre modèle pour vos incidents européens.
- Créez et formez deux définitions de solution de classification ML distinctes, où l’une est filtrée par les incidents américains uniquement et l’autre par les incidents européens uniquement.
- Utilisez le paramètre groupby pour créer un type Groupby pour l’emplacement du pays, de sorte que toutes les définitions américaines créent un modèle américain et que toutes les définitions européennes créent un modèle européen. Ensuite, en fonction de l’incident, le système identifie le modèle qu’il utilise pour prédire la catégorie de classification correcte.
La deuxième approche présente des avantages dans la mesure où les modèles que vous utilisez peuvent même être dans différents domaines, tels que la santé ou la finance. Cette approche est particulièrement avantageuse si vous devez gérer plusieurs sites ou domaines nationaux.
Exemple d’utilisation pour la formation et la prédiction à l’aide de Grouper par via l’API
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);Pour plus de contexte concernant cet exemple et l’utilisation générale des API d’apprentissage machine, consultez la documentation citée dans la section Rubriques connexes ci-dessous.