RegressionSolution - グローバル

オーストラリア API リファレンス

Release

australia

ft:locale

ja-JP

ft:publication_title

オーストラリア API リファレンス

ft:clusterId

crapiref

bundleId

crapiref

workflow

Creator

RegressionSolution - グローバル

リリースバージョン: Australia

更新日 2026年03月12日

所要時間：21分

RegressionSolution API は、予測インテリジェンスストアで使用されるスクリプト可能なオブジェクトです。

この API には予測インテリジェンスプラグイン (com.glide.platform_ml) が必要で、 sn_ml 名前空間内で提供されます。

ソリューションのセットアップからトレーニングまでのフローは次のとおりです。

DatasetDefinition API を使用してデータセットを作成します。
オプション。エンコーダー API を使用してエンコーダーをビルドします。
コンストラクターを使用して、回帰ソリューションオブジェクトを作成します。
RegressionSolutionStore - add() メソッドを使用して、ソリューションオブジェクトを回帰ソリューションストアに追加します。
submitTrainingJob() メソッドを使用してソリューションをトレーニングします。これにより、 RegressionSolutionVersion API を使用して管理できるオブジェクトのバージョンが作成されます。
RegressionSolutionVersion – predict() メソッドを使用して予測を取得します。

注:

この API は、Vancouver パッチ 7 ホットフィックス 2b および Washington DC パッチ 7 リリースより前の完全な権限で実行されます。それ以降のリリースでは、ACL を使用してアクセス権を付与します。詳細については、「 Query ACLs」を参照してください。

使用上のガイドラインについては、「 ML API の使用」を参照してください。

RegressionSolution:RegressionSolution (オブジェクト構成)

回帰ソリューションを作成します。

表 : 1. パラメーター
名前	タイプ	説明
構成	オブジェクト	の構成プロパティを含む JavaScript オブジェクトソリューション。 `{ "algorithmConfig": {Object}, "dataset": {Object}, "domainName": "String", "encoder": {Object}, "inputFieldNames": [Array], "label": "String", "minRowCount": "String", "predictedFieldName": "String", "predictedInterval": [Array], "processingLanguage": "String", "stopwords": [Array], "trainingFrequency": "String" }`
config.dataset	オブジェクト	DatasetDefinition 名。
config.domainName	文字列	オプション。このデータセットに関連付けられたドメイン名。「ドメインセパレーション」および予測インテリジェンスを参照してください。デフォルト:現在のドメイン ( `「global」`など)。
config.encoder	オブジェクト	オプション。このソリューションにアサインするトレーニング済みエンコーダーオブジェクト。。「エンコーダー - エンコーダー (オブジェクト構成)」を参照してください。
config.inputFieldNames	アレイ	文字列としての入力フィールド名のリスト。モデルは、これらのフィールドを使用して予測を行います。
config.label	文字列	予測タスクを識別します。
config.minRowCount	文字列	オプション。トレーニングのためにデータセットに必要なレコードの最小数。デフォルト：10000
config.predictedFieldName	文字列	設定 predictedIntervalでない限り必須です。予測可能性のためにトレーニングするフィールドを識別します。
config.predictedInterval	アレイ	設定 predictedFieldNameでない限り必須です。ソリューションの信頼性をトレーニングするためのフィールドの範囲を設定します。2 の数値以外の日付フィールドの指定をサポートします。例:`'predictedInterval': ['sys_updated_on', 'sys_created_on']。`
config.processingLanguage	文字列	オプション。2 文字の ISO 639-1 言語コード形式の処理言語。デフォルト:「en」
config.stopwords	アレイ	オプション。languageプロパティ設定に基づいてシステムが自動的に生成する文字列のプリセットリスト。詳細については、「カスタムストップワードリストの作成」を参照してください。デフォルト:英語のストップワード
config.trainingFrequency	文字列	モデルを再トレーニングする頻度。可能な値： every_30_days every_60_days every_90_days every_120_days every_180_days run_once デフォルト:run_once

次の例は、オブジェクトを作成して RegressionSolution ストア。

var myNewData = new sn_ml.DatasetDefinition(
  { 
     'tableName' : 'incident', 
     'fieldNames' : ['category', 'short_description', 'priority'],
     'fieldDetails' : [
       {
         'name' : 'category',
         'type' : 'nominal'
       },
       {
         'name' : 'short_description',
         'type' : 'text'
       }], 
     'encodedQuery' : 'activeANYTHING'
  });

var mySimSolution = new sn_ml.SimilaritySolution({
  'label': "my solution definition",
  'dataset' : myNewData,
  'predictedFieldName' : 'category',
  'inputFieldNames': ['short_description']
});

var mySimilarityName = sn_ml.SimilaritySolutionStore.add(mySimSolution);

次の例は、 predictedInterval プロパティを使用してトレーニングするオブジェクトを作成する方法を示しています。

var myIncidentData = new sn_ml.DatasetDefinition({
'tableName' : 'incident',
'fieldNames' : ['short_description', 'sys_updated_on','sys_created_on'],
'encodedQuery' : 'activeANYTHING'
});
 
var mySolution = new sn_ml.RegressionSolution({
'label': 'reg assinGroup',
'dataset' : myIncidentData,
'predictedInterval': ['sys_updated_on', 'sys_created_on'],
'inputFieldNames': ['short_description']
});
 
var my_unique_name = sn_ml.RegressionSolutionStore.add(mySolution)

RegressionSolution - cancelTrainingJob()

のジョブをキャンセルソリューションオブジェクトトレーニングのために送信された

表 : 2. パラメーター
名前	タイプ	説明
なし

表 : 3. 返される内容
タイプ	説明
なし

次の例は、既存のトレーニングジョブをキャンセルする方法を示しています。

var mySolution = sn_ml.RegressionSolutionStore.get('ml_sn_global_global_regression');

mySolution.cancelTrainingJob();

RegressionSolution:getActiveVersion()

アクティブを取得します RegressionSolutionVersion オブジェクト。

表 : 4. パラメーター
名前	タイプ	説明
なし

表 : 5. 返される内容
タイプ	説明
オブジェクト	アクティブな RegressionSolutionVersion オブジェクト。

次の例は回帰ソリューションストアからアクティブなバージョンを取得し、そのトレーニングステータスを返す

var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression');

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

出力：

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

RegressionSolution:getAllVersions()

のすべてのバージョンを取得しますRegressionSolution オブジェクト。

表 : 6. パラメーター
名前	タイプ	説明
なし

表 : 7. 返される内容
タイプ	説明
アレイ	ソリューションオブジェクトの既存のバージョン。関連項目回帰ソリューションバージョン API。

次の例は、すべての RegressionSolution バージョンオブジェクトを取得し、それらに対して getVersionNumber() および getStatus() ソリューションバージョンメソッドを呼び出す方法を示しています。

var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression');

var mlSolutionVersions = mlSolution.getAllVersions();

for (i = 0; i < mlSolutionVersions.length; i++) {
gs.print("Version " + mlSolutionVersions[i].getVersionNumber() + " Status: " + mlSolutionVersions[i].getStatus() +"\n");
};

出力：

Version 3 Status: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"}

Version 2 Status: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"}

Version 1 Status: {"state":"solution_cancelled","percentComplete":"0","hasJobEnded":"true"}

RegressionSolution:getLatestVersion()

の最新バージョンを取得します解決策。

表 : 8. パラメーター
名前	タイプ	説明
なし

表 : 9. 返される内容
タイプ	説明
オブジェクト	RegressionSolutionVersion の最新バージョンに対応するオブジェクトと RegressionSolution() を呼び出します。

次の例は、ソリューションの最新バージョンを取得し、そのトレーニングステータスを返す方法を示しています。

var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression');

gs.print(JSON.stringify(JSON.parse(mlSolution.getLatestVersion().getStatus()), null, 2));

出力：

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

RegressionSolution:getName()

ストアとのインタラクションに使用するオブジェクトの名前を取得します。

表 : 10. パラメーター
名前	タイプ	説明
なし

表 : 11. 返される内容
タイプ	説明
文字列	ソリューションオブジェクトの名前。

次の例は、回帰ソリューションデータセット情報を更新し、オブジェクトの名前を出力

// Update solution
var myIncidentData = new sn_ml.DatasetDefinition({
   'tableName' : 'incident',
   'fieldNames' : ['category', 'short_description', 'priority'],
   'encodedQuery' : 'activeANYTHING'
});

var eligibleFields = JSON.parse(myIncidentData.getEligibleFields('regression'));

var myRegression = new sn_ml.RegressionSolution({
   'label': "my regression solution",
   'dataset' : myIncidentData,
   'inputFieldNames': eligibleFields['eligibleInputFieldNames'],
   'predictedFieldName': 'category'
});

// update solution
sn_ml.RegressionSolutionStore.update('ml_x_snc_global_global_my_solution_definition_4', myRegression);

// print solution name
gs.print('Solution Name: '+myRegression.getName());

出力：

Solution Name: ml_x_snc_global_global_my_solution_definition_4

RegressionSolution:getProperties()

ソリューションオブジェクトプロパティを取得します。

表 : 12. パラメーター
名前	タイプ	説明
なし

表 : 13. 返される内容
タイプ	説明
オブジェクト	RegressionSolutionStore 内の Dataset と RegressionSolution() オブジェクトの詳細の内容。 `{ "datasetProperties": {Object}, "domainName": "String", "encoder": {Object}, "inputFieldNames": [Array], "label": "String", "name": "String", "predictedFieldName": "String", "predictedInterval": [Array], "processingLanguage": "String", "scope": "String", "stopwords": [Array], "trainingFrequency": "String" }`
<Object>.datasetProperties	ソリューションに関連付けられている DatasetDefinition() オブジェクトのプロパティを一覧表示します。 `{ "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" }` データタイプ:オブジェクト。
<Object>.datasetProperties.tableName	データセットのテーブルの名前。たとえば、「 `tableName」:「インシデント」`です。データタイプ:文字列。
<Object>.datasetProperties.fieldNames	指定されたテーブルのフィールド名を文字列としてリストします。例:"`fieldNames" : ["short_description", "priority"]。` データタイプ:アレイ。
<Object>.datasetProperties.fieldNames.fieldDetails	フィールドのプロパティを指定する JavaScript オブジェクトのリスト。 `[ { "name": "String", "type": "String" } ]` データタイプ:アレイ。
<Object>.datasetProperties.fieldNames.fieldDetails.<object>.名前	このデータセットを制限する情報のタイプを定義するフィールドの名前。データタイプ:文字列。
<Object>.datasetProperties.fieldDetails.<object>.タイプ	機械学習フィールドタイプ。データタイプ:文字列。
<Object>.datasetProperties.fieldDetails.encodedQuery	標準の Glide 形式でエンコードされたクエリ文字列。「エンコードされたクエリ文字列」を参照してください。データタイプ:文字列。
<Object>.domainName	このデータセットに関連付けられたドメイン名。「ドメインセパレーション」および予測インテリジェンスを参照してください。データタイプ:文字列。
<Object>.encoder	このソリューションにアサインされたエンコーダーオブジェクト。。「エンコーダー - エンコーダー (オブジェクト構成)」を参照してください。データタイプ:オブジェクト。
<Object>.inputFieldNames	文字列としての入力フィールド名のリスト。モデルは、これらのフィールドを使用して予測を行います。データタイプ:文字列。
<Object>.label	予測タスクを識別します。 `{ "label": "my first prediction" }` データタイプ:文字列。
<Object>.name	システムによって割り当てられた名前。データタイプ:文字列。
<Object>.predictedFieldName	予測可能性のためにトレーニングするフィールドを識別します。データタイプ:文字列。
<Object>.predictedInterval	予測の信頼性レベルを指定する値の範囲。データタイプ：アレイ
<Object>.processingLanguage	2 文字の ISO 639-1 言語コード形式の処理言語。データタイプ:文字列。
<Object>.scope	オブジェクトスコープ。現時点で有効な値は `グローバル`値のみです。データタイプ：文字列
<Object>.stopwords	オプション。languageプロパティ設定に基づいてシステムが自動的に生成する文字列のプリセットリスト。詳細については、「カスタムストップワードリストの作成」を参照してください。データタイプ:アレイ。
<Object>.trainingFrequency	モデルを再トレーニングする頻度。可能な値： every_30_days every_60_days every_90_days every_120_days every_180_days run_once デフォルト:run_once データタイプ:文字列。

次の例では、ストア内のソリューションオブジェクトのプロパティを取得します。

var mySolution = sn_ml.RegressionSolutionStore.get('ml_sn_global_global_regression_solution');

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

出力：

*** Script: {
  "datasetProperties": {
    "tableName": "cloudinfratext",
    "fieldNames": [
      "short_description",
      "sourcedc",
      "targetdc",
      "dbsize",
      "duration"
    ]
  },
  "domainName": "global",
  "encoderProperties": {
    "datasetsProperties": [],
    "name": "wc_regression"
  },
  "inputFieldNames": [
    "short_description",
    "sourcedc",
    "targetdc",
    "dbsize"
  ],
  "label": "Regression Test for DB Restore",
  "name": "ml_x_snc_global_global_regression",
  "predictedFieldName": "duration",
  "processingLanguage": "en",
  "scope": "global",
  "stopwords": [
    "Default English Stopwords"
  ],
  "trainingFrequency": "every_30_days"
}

RegressionSolution:getVersion(文字列 version)

ソリューションを取得します指定されたバージョン番号で。

表 : 14. パラメーター
名前	タイプ	説明
version	文字列	ソリューションの既存のバージョン番号。

表 : 15. 返される内容
タイプ	説明
オブジェクト	RegressionSolutionVersion API メソッドを呼び出すことができる RegressionSolution() オブジェクトの指定されたバージョン。

次の例は、バージョン番号でソリューションのトレーニングステータスを取得する方法を示しています。

var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression');

gs.print(JSON.stringify(JSON.parse(mlSolution.getVersion('1').getStatus()), null, 2));

出力：

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

RegressionSolution:setActiveVersion(文字列 version)

ストア内の指定されたバージョンのソリューションをアクティブ化します。

表 : 16. パラメーター
名前	タイプ	説明
version	文字列	アクティブ化する RegressionSolution() オブジェクトバージョンの名前。このバージョンをアクティブ化すると、他のバージョンはすべて非アクティブ化されます。

表 : 17. 返される内容
タイプ	説明
なし

次の例は、ストアでソリューションバージョンをアクティブ化する方法を示しています。

sn_ml.RegressionSolution.setActiveVersion("ml_incident_categorization");

RegressionSolution - submitTrainingJob()

トレーニングジョブを送信します。

注:

このメソッドを実行する前に、まず RegressionSolutionStore - add() メソッドを使用してソリューションをストアに追加する必要があります。

表 : 18. パラメーター
名前	タイプ	説明
なし

表 : 19. 返される内容
タイプ	説明
オブジェクト	回帰ソリューションバージョン回に対応するオブジェクト帰ソリューショントレーニング対象

次の例は、データセットを作成し、それをソリューションに適用し、ソリューションをストアに追加して、トレーニングジョブを送信する方法を示しています。

// Create a dataset 
var myData = new sn_ml.DatasetDefinition({

  'tableName' : 'incident',
  'fieldNames' : ['assignment_group', 'short_description', 'description'],
  'encodedQuery' : 'activeANYTHING'

});

// Create a solution 
var mySolution = new sn_ml.RegressionSolution({

  'label': "my solution definition",
  'dataset' : myData,
  'predictedFieldName' : 'assignment_group',
  'inputFieldNames':['short_description']

});

// Add the solution to the store to later be able to retrieve it.
var my_unique_name = sn_ml.RegressionSolutionStore.add(mySolution);

// Train the solution - this is a long running job 
var myRegressionVersion = mySolution.submitTrainingJob();