Création et formation de solutions

Utilisez l’un des cadres de travail Intelligence prédictive (PI) pour créer et former des solutions d’apprentissage machine. Chaque cadre de travail fournit un type de solution différent pour former le système à prédire, recommander et organiser les résultats des données.

Types de solutions

Les trois cadres PI fournissent différentes solutions qui peuvent être invoquées par n’importe quelle application via une API de prédiction pour effectuer une prédiction. Créez et formez vos propres solutions à l’aide de vos données précédentes. Accédez à la Tout > Intelligence prédictive > Page d'accueil pour afficher et créer des solutions.

Sélectionnez le meilleur cadre de travail pour votre prédiction souhaitée :

• Solutions de classification :

  Définit les valeurs de champ lors de la création d’enregistrements afin de classer et d’acheminer automatiquement le travail en fonction des enregistrements passés. Consultez Créer et former une solution de classification.

• Solutions de similarité :

  Identifie les similitudes entre les nouveaux enregistrements et les enregistrements existants pour recommander des résolutions. Consultez Créer et former une solution de similarité.

• Solutions de clustering :

  Regroupe des enregistrements similaires dans des grappes pour identifier des modèles et des incidents majeurs. Consultez Créer et former une solution de mise en grappe.

• Solutions de régression :
  Important :

  Avec cette version, la Yokohama prise en charge de la création de nouvelles solutions de régression a été supprimée. Vous pouvez toujours modifier et former des solutions de régression existantes, mais vous ne pourrez pas en créer de nouvelles.

  Utilise les données historiques pour prédire les sorties numériques, telles que l’estimation du temps nécessaire pour résoudre un incident ou un ticket. Consultez Créer et former une solution de régression.

Sélection d’enregistrements de données pour la formation de votre solution

La qualité d’une solution dépend des données d’enregistrement que vous utilisez pour la former. En général, un bon jeu de données d’entraînement présente ces caractéristiques.

• Les champs d’entrée de définition de solution sont disponibles pour les utilisateurs lors de la création d’enregistrements. Pour effectuer des prédictions lors de la création d’un enregistrement, la solution doit comporter les valeurs de champ d’entrée lors de la création de l’enregistrement.
• Le champ de sortie de définition de solution est un champ de choix. Pour effectuer des prédictions plus précises, limitez le champ de sortie à un ensemble fini de valeurs possibles.
• Les enregistrements de formation contiennent uniquement des valeurs correctes pour le champ de sortie. Pour effectuer des prédictions plus précises, filtrez tous les enregistrements dont les valeurs de champ de sortie ne sont pas fiables. Par exemple, si les incidents récemment fermés sont sujets à revue et à changement pendant un mois, filtrez tous les incidents récemment fermés.
• Les enregistrements de formation contiennent plusieurs exemples de chaque valeur de champ de sortie que vous souhaitez que la solution prédise. Pour fournir une plus grande couverture des enregistrements, incluez plusieurs exemples de chaque valeur de champ de sortie.
• Les enregistrements de formation incluent des variations courantes de champs d’entrée. Pour fournir une plus grande couverture d’enregistrement, incluez plusieurs exemples de valeurs de champ d’entrée.

Exportation de votre solution pour la formation

Pour former une solution, vous exportez sa définition de solution et les enregistrements associés vers un serveur de formation centralisé au sein du même centre de données. Une fois la formation terminée, le serveur de formation exporte à nouveau la solution vers votre instance et supprime toutes vos données de formation du serveur. Comme chaque centre de données dispose de son propre serveur de formation dédié et que les données ne quittent pas le centre de données, ce service est également disponible pour les clients qui ont des exigences de souveraineté des données.

Les prédictions se produisent sur un serveur de prédiction centralisé au sein du même centre de données que l’instance. Les artefacts du modèle formé sont envoyés du serveur d’instance au serveur de prédiction lorsque la prédiction est invoquée pour la première fois. Ensuite, les artefacts du modèle formé sont mis en cache sur le serveur de prédiction pour des prédictions ultérieures.

Remarque :

Toutes les communications entre l’instance et le service de formation s’effectuent à l’intérieur du même pare-feu de centre de données. Malgré cela, toutes les communications se font via HTTPS.

Dépannage de la formation à la solution

Pour résoudre les problèmes courants liés à l’entraînement, consultez l’article Problèmes courants liés à l’intelligence prédictive [KB781893] dans le .Now Support Base de connaissances