ClassificationSolutionVersion - 전역

  • 릴리스 버전: Xanadu
  • 업데이트 날짜 2024년 08월 01일
  • 읽기26분

    • ClassificationSolutionVersion API는 저장소에서 예측 인텔리전스 사용되는 스크립팅 가능한 객체입니다.

    이 API에는 예측 인텔리전스 플러그인(com.glide.platform_ml)이 필요하며 sn_ml 네임스페이스 내에서 제공됩니다.

    이 API는 ClassificationSolution 저장소의 ClassificationSolution API 객체를 기반으로 하는 솔루션 버전으로 작업하는 데 사용됩니다.

    시스템은 솔루션 정의를 교육할 때마다 솔루션 버전을 생성합니다. 대부분의 버전은 예약된 솔루션 교육 중에 생성됩니다.

    이 API의 메서드는 다음 ClassificationSolution - 전역 메서드를 사용하여 액세스할 수 있습니다.

    ClassificationSolutionVersion - getPredictionPerformance(객체 옵션)

    솔루션 정밀도와 범위를 계산합니다.

    이 메서드를 사용하려면 먼저 setPredictionSettings() 메서드를 사용하여 설정을 만들어야 합니다.

    표 1. 매개변수
    이름 유형 설명
    옵션 객체 날짜 범위 내에서 검색할 메트릭을 선택합니다. 자세한 정보는 대상 메트릭 구성을 참조하십시오.
    {
  "fromDate": "String",
  "metricName": "String",
  "toDate": "String"
}
    options.fromDate 문자열 옵션입니다. 시스템 날짜 시간 형식으로 된 메트릭을 검색할 시작 날짜입니다.
    옵션.메트릭 이름 문자열 메트릭 이름입니다.
    유효한 값은 다음과 같습니다.
    • precision
    • coverage
    옵션.toDate 문자열 옵션입니다. 메트릭을 검색할 종료 날짜입니다.

    형식: 시스템 날짜 시간 형식입니다.
    표 2. 반환
    유형 설명
    객체 입력 메트릭에 대한 결과를 포함하는 구문 분석 가능한 JavaScript 객체입니다.
    {
  "metricName" : "String",
  "metricValue" : "String",
  "numberOfPredictionsConsidered" : "String"
}
    Object.metricName 입력으로 선택된 메트릭의 이름입니다.

    데이터 유형: 문자열
    Object.metricValue 선택한 메트릭의 값입니다.

    데이터 유형: 문자열
    Object.numberOfRecordsConsidered입니다. 계산에 고려된 예측 결과 [ml_predictor_results] 테이블의 기록 수입니다.

    데이터 유형: 문자열

    다음 예제에서는 솔루션의 활성 버전에서 정밀도 값을 가져오는 방법을 보여 줍니다.

    // Get precision value
var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getPredictionPerformance({"metricName": "precision"})), null, 2));

    출력:

    {
  "metricName": "precision",
  "metricValue": "70.10",
  "numberOfPredictionsConsidered": "10"
}

    ClassificationSolutionVersion - getPredictionSettings()

    ML 솔루션 [ml_solution] 테이블에서 예상 정밀도, 예상 범위, 예상 회수 값을 가져오고 클래스 신뢰도 [ml_class] 테이블에서 기록을 가져옵니다.

    표 3. 매개변수
    이름 유형 설명
    없음
    표 4. 반환
    유형 설명
    객체 각 클래스에 대한 예측 설정을 반환합니다. 데이터에는 ML 솔루션 [ml_solution] 테이블의 교육된 모델에 포함된 모든 클래스의 정밀도, 범위, 회수율 및 분포 값이 포함됩니다. 자세한 내용은 예측 모델 구성요소를 참조하십시오.
    {
  "<class name>": {Object}
}
    <Object>.<클래스 이름입니다> 클래스 신뢰도[ml_class] 테이블의 교육 통계 데이터입니다. 자세한 정보는 대상 메트릭 구성을 참조하십시오.

    데이터 유형: 객체

    {
  "precision": "String",
  "coverage": "String",
  "recall": "String"
}
    <Object>.<클래스 이름>.precision 이 클래스에 대해 예상되는 솔루션 정확도 메트릭입니다.

    데이터 유형: 문자열(숫자 값)
    <Object>.<클래스 이름>.적용 범위 이 클래스에 대한 예상 솔루션 범위 메트릭입니다.

    데이터 유형: 문자열(숫자 값)
    <Object>.<클래스 이름>.recall 이 클래스에 대한 예상 솔루션 회수 메트릭입니다.

    데이터 유형: 문자열(숫자 값)

    다음 예제에서는 활성 솔루션 버전의 예측 설정을 가져오는 방법을 보여 줍니다.

    var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

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

    출력:

    {
  "solutionSettings": {
    "precision": "61.69",
    "coverage": "66.75",
    "recall": "57.54"
  },
  "classSettings": {
    "Approvals": {
      "precision": "100",
      "coverage": "0",
      "recall": "0"
    },
    "Authentication": {
      "precision": "38.71",
      "coverage": "98.44",
      "recall": "56.25"
    },
    "Automation": {
      "precision": "100",
      "coverage": "0",
      "recall": "0"
    }, ...

    ClassificationSolutionVersion - getProperties()

    솔루션 객체 속성 가져오기 및 버전 번호.

    표 5. 매개변수
    이름 유형 설명
    없음
    표 6. 반환
    유형 설명
    객체 데이터 세트의 내용 및 ClassificationSolution 버전 세부 정보. 결과는 개체 속성 설정에 따라 달라집니다.
    {
  "algorithmConfig": {
    "algorithm": "String",
    "targetClassRecall": "String"
  },
  "datasetProperties": {Object},
  "domainName": "String",
  "encoder": {Object},
  "groupByFieldName": "String",   
  "inputFieldNames": [Array],
  "isActive": Boolean,
  "label": "String",
  "name": "String",
  "predictedFieldName": "String",
  "processingLanguage": "String",
  "scope": "String",
  "stopwords": [Array],
  "stopwords": [Array],
  "trainingFrequency": "String",
  "versionNumber": "Number"
}
    <Object>.algorithmConfig 솔루션을 인코딩하는 메서드입니다.

    데이터 유형: 객체
    <Object>.algorithmConfig.algorithm 이 솔루션을 교육하기 위한 인코딩 알고리즘의 이름입니다.
    가능한 값:
    • xgboost: 훈련을 최적화하기 위한 XGBoost 인코딩.
    • logisticRegression: 명목형 또는 서수형과 같은 범주형 대상에 대해 로지스틱 회귀 모델을 사용하는 방법입니다.

    데이터 유형: 문자열
    <Object>.algorithmConfig.targetClassRecall 클래스 회수 매개변수를 사용하여 솔루션의 학습이 특정 클래스를 편향하도록 유도합니다. 회수 값은 백분율을 나타내는 0에서 100 사이의 숫자입니다.

    데이터 유형: 문자열
    <Object>.dataset속성

    솔루션과 연결된 DatasetDefinition() 객체의 속성을 나열합니다.

    데이터 유형: 객체

    {
  "encodedQuery": "String",
  "fieldDetails": [Array],
  "fieldNames": [Array],
  "tableName": "String"
}
    <Object>.datasetProperties.tableName 데이터 세트의 테이블 이름입니다. 예를 들어 "tableName" : "Incident"입니다.

    데이터 유형: 문자열
    <Object>.datasetProperties.fieldNames 지정된 테이블의 필드 이름을 문자열로 나열한 목록입니다. 예를 들어 "fieldNames" : ["short_description", "priority"]입니다.

    데이터 유형: 배열
    <Object>.datasetProperties.fieldNames.fieldDetails 필드 속성을 지정하는 JavaScript 객체의 목록입니다.

    데이터 형식: 객체 배열

    [
  {
    "name": "String",
    "type": "String"
  }
]
    <Object>.datasetProperties.fieldNames.fieldDetails.<object>입니다. 이름 이 데이터 세트를 제한할 정보의 유형을 정의하는 필드의 이름입니다.

    데이터 유형: 문자열
    <Object>.datasetProperties.fieldDetails.<object>입니다. 형 머신 러닝 필드 유형입니다.

    데이터 유형: 문자열
    <Object>.datasetProperties.fieldDetails.encodedQuery 표준 Glide 형식으로 인코딩된 쿼리 문자열입니다. 인코딩된 쿼리 문자열을 참조하세요.

    데이터 유형: 문자열
    <Object>.domainName 이 데이터 세트와 연결된 도메인 이름입니다. 도메인 분리 및 예측 인텔리전스를 참조하십시오.

    데이터 유형: 문자열
    <Object>.인코더 이 솔루션에 할당된 인코더 개체입니다. 인코더 - 인코더(개체 구성) 문서를 참조하십시오.

    데이터 유형: 객체
    <Object>.groupByFieldName 시스템에서 분류 솔루션을 빌드하기 위해 기록을 그룹화하는 데 사용할 필드 이름입니다.

    데이터 유형: 문자열
    <Object>.input필드 이름 문자열로 표시된 입력 필드 이름의 목록입니다. 모델은 예측을 수행하는 데 사용되는 이러한 필드를 사용합니다.

    데이터 유형: 문자열
    <Object>.isActive 이 버전이 활성 상태인지 여부를 나타내는 플래그입니다.
    유효한 값은 다음과 같습니다.
    • true: 버전이 활성 상태입니다.
    • false: 버전이 활성화되지 않았습니다.

    데이터 유형: 문자열
    <Object>.레이블 예측 작업을 식별합니다. 
    {
  "label": "my first prediction"
}

    데이터 유형: 문자열
    <Object>.이름 시스템에서 할당한 이름입니다.

    데이터 유형: 문자열
    <Object>.predictedFieldName 예측 가능성을 교육할 필드를 식별합니다.

    데이터 유형: 문자열
    <Object>.processingLanguage 두 글자 ISO 639-1 언어 코드 형식의 처리 언어.

    데이터 유형: 문자열
    <Object>.범위 개체 범위입니다. 현재 유일하게 유효한 값은 global입니다.

    데이터 유형: 문자열
    <Object>.stopwords 옵션입니다. 속성 설정에 따라 시스템이 자동으로 생성하는 사전 설정 문자열 목록입니다 language . 자세한 내용은 사용자 지정 스톱 워드 목록 만들기를 참조하세요.

    데이터 유형: 배열
    <Object>.training빈도 모델을 재교육하는 빈도입니다.
    가능한 값:
    • every_30_days
    • every_60_days
    • every_90_days
    • every_120_days
    • every_180_days
    • run_once
    기본값: run_once

    데이터 유형: 문자열
    <Object>.versionNumber 의 버전 번호 ClassificationSolution 객체입니다.

    데이터 유형: 문자열

    다음 예제에서는 저장소에 있는 활성 개체 버전의 속성을 가져옵니다.

    // Get properties
var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

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

    출력:

    *** Script: {
  "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"
}

    ClassificationSolutionVersion - getStatus(부울 includeDetails)

    교육 완료 상태를 가져옵니다.

    표 7. 매개변수
    이름 유형 설명
    include상세 정보 부울 상태를 반환할지 여부를 나타내는 플래그입니다 details.
    유효한 값은 다음과 같습니다.
    • true: 추가 상세 정보를 반환합니다.
    • false: 추가 세부 정보를 반환하지 않습니다.

    기본값: False
    표 8. 반환
    유형 설명
    객체 다음에 대한 교육 상태 정보를 포함하는 JavaScript 객체ClassificationSolution 객체입니다.
    {
  "state": "String",
  "percentComplete": "Number as a String",
  "hasJobEnded": "Boolean value as a String",
  "details": {Object}
}
    <Object>.상태 교육 완료 상태입니다. 훈련 작업이 종료 상태에 도달하면 작업은 해당 상태를 벗어나지 않습니다. 상태가 terminal hasJobEnded 이면 속성이 true로 설정됩니다.
    가능한 값:
    • fetching_files_for_training
    • preparing_data
    • 재시도
    • solution_cancelled (터미널)
    • solution_complete (터미널)
    • solution_error (단말기)
    • solution_incomplete
    • training_request_received
    • training_request_timed_out (터미널)
    • training_solution
    • uploading_solution
    • waiting_for_training

    데이터 유형: 문자열
    <Object>.hasJobEnded 교육이 완료되었는지 여부를 나타내는 플래그입니다.
    유효한 값은 다음과 같습니다.
    • true: 교육이 완료되었습니다.
    • false: 교육이 완료되지 않았습니다.

    데이터 유형: 문자열로서의 부울 값
    <Object>.percent완료 교육 완료율입니다. 완료율이 100 미만이면 작업이 종료 상태일 수 있습니다. 예를 들어 교육 시간이 초과되는 경우입니다.

    데이터 형식: 문자열로서의 숫자

    범위: 0 - 100
    <Object>.세부 정보 추가 교육 상세 정보 목록이 포함된 객체입니다.

    데이터 유형: 객체

    다음 예제에서는 교육이 완료된 성공적인 결과를 보여 줍니다.

    // Get status
var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

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

    출력:

    {
 "state":"solution_complete",
 "percentComplete":"100",
 "hasJobEnded":"true",
 "details":{"stepLabel":"Solution Complete"} // This information is only returned if getStatus(true);
}

    다음 예제에서는 학습이 완료된 실패한 결과를 보여 줍니다.

    // Get status
var solutionName = 'ml_x_snc_global_global_classification_solution';
var mlSolution = sn_ml.ClassificationSolutionStore.get(solutionName);
var trainingStatus = mlSolution.getLatestVersion().getStatus();

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

    출력:

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

    ClassificationSolutionVersion - getTrainingStatistics()

    지정된 솔루션에 대한 모든 교육 통계를 가져옵니다.

    표 9. 매개변수
    이름 유형 설명
    없음
    표 10. 반환
    유형 설명
    객체 교육에 포함된 각 클래스에 대한 통계와 교육에서 제외된 각 클래스의 값이 포함된 JavaScript 객체입니다. 자세한 내용은 예측 모델 구성요소를 참조하십시오.
    {
  "includedClasses": {Object},
  "excludedClasses": {Object}
}
    <Object>.included클래스 교육된 모델의 각 클래스의 정밀도, 범위, 회수율 및 분포 값을 포함하는 객체입니다.

    데이터 유형: 객체

    
  "includedClasses": {
    "<class name>": {
      "distribution": "String",
      "statistics": [Array]
    },
    <Object>.includedClasses.<class name>.distribution 이 클래스의 결과 확률 분포 값입니다.

    데이터 유형: 문자열
    <Object>.includedClasses.<class name>.statistics 교육 통계 데이터를 제공하는 객체의 목록입니다. 자세한 정보는 대상 메트릭 구성을 참조하십시오.

    데이터 형식: 객체 배열

    [
  {
    "coverage": "String",
    "precision": "String",
    "recall": "String",
    "selected": "String"
  }
]
    <Object>.includedClasses.<class name>.statistics.coverage 이 클래스에 대한 예상 솔루션 범위 메트릭입니다.

    데이터 유형: 문자열(숫자 값)
    <Object>.includedClasses.<클래스 이름>.statistics.precision 이 클래스에 대해 예상되는 솔루션 정확도 메트릭입니다.

    데이터 유형: 문자열(숫자 값)
    <Object>.includedClasses.<class name>.statistics.recall 이 클래스에 대한 예상 솔루션 회수 메트릭입니다.

    데이터 유형: 문자열(숫자 값)
    <Object>.includedClasses.<class name>.statistics.selected 이 클래스에 솔루션 교육에 포함된 기록이 포함되어 있는지 여부를 나타내는 플래그입니다.
    유효한 값은 다음과 같습니다.
    • true: 이 클래스에는 솔루션 학습을 위해 선택한 레코드가 포함되어 있습니다.
    • false: 이 클래스는 교육에서 제외됩니다.

    데이터 유형: 문자열(부울 값)

    기본값: false
    <Object>.excluded클래스 교육에서 제외된 모든 클래스의 분포 및 행 개수입니다.

    데이터 유형: 객체

    
  "excludedClasses": {
    "<class name>": {
      "distribution": "0.11",
      "rowCount": "9"
    }
    <Object>.excludedClasses.<class name>.distribution 이 클래스의 결과 확률 분포 값입니다.

    데이터 유형: 문자열
    <Object>.excludedClasses.<클래스 이름>.rowCount 교육에서 제외된 행 수입니다.

    데이터 유형: 문자열(숫자 값)

    다음 예제에서는 활성 솔루션에서 교육 통계를 가져오는 방법을 보여 줍니다.

    // Get training stats
var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

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

    출력:

    {
  "includedClasses": {
    "Approvals": {
      "distribution": "0.43",
      "statistics": [
        {
          "precision": "100",
          "coverage": "0",
          "recall": "0",
          "selected": "true"
        }
      ]
    }, 
    "Authentication": {
      "distribution": "4.3",
      "statistics": [
        {
          "precision": "39.33",
          "coverage": "95.31",
          "recall": "54.69",
          "selected": "false"
        },
        {
          "precision": "100",
          "coverage": "0",
          "recall": "0",
          "selected": "false"
        },
     ...
    }
    ...
  "excludedClasses": {
    "ACE": {
      "distribution": "0.11",
      "rowCount": "9"
    },
    "AHA": {
      "distribution": "0.01",
      "rowCount": "1"
    }, 
    ...
}

    ClassificationSolutionVersion - getVersionNumber()

    다음의 버전 번호를 가져옵니다. 솔루션 개체입니다.

    표 11. 매개변수
    이름 유형 설명
    없음
    표 12. 반환
    유형 설명
    문자열 버전 번호입니다.

    다음 예제에서는 버전 번호를 가져오는 방법을 보여 줍니다.

    // Get version number
var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

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

    출력:

    Version number: 1

    ClassificationSolutionVersion - predict(객체 입력, 객체 옵션)

    예측에 대한 입력 데이터를 가져옵니다.

    표 13. 매개변수
    이름 유형 설명
    입력 객체 GlideRecord 또는 필드 이름과 값을 키-값 쌍으로 포함하는 JSON 객체의 배열입니다.
    옵션 객체 예측 결과를 필터링하기 위한 선택적 값입니다.
    {
  "apply_threshold": Boolean,
  "top_n": Number
}
    options.apply_threshold 부울 솔루션의 임계값을 확인하고 결과 집합에 적용할지 여부를 나타내는 플래그입니다.
    유효한 값은 다음과 같습니다.
    • true: 신뢰도가 임계값보다 큰 결과를 반환합니다.
    • false: 모든 결과를 반환합니다.

    기본값: True
    options.top_n 번호 제공된 경우 지정된 예측 수까지 상위 결과를 반환합니다.
    표 14. 반환
    유형 설명
    객체 sys_id 또는 record_number별로 정렬된 예측 결과를 포함하는 JSON 객체입니다. 
    {
    <identifier>: [Array]
}
    <Object>.<식별자> 각 예측 결과에 대한 상세 정보가 있는 객체의 목록입니다.

    데이터 형식: 객체 배열

    <identifier>: [
  {
    "confidence": Number,
    "predictedSysId": "String",
    "predictedValue": "String", 
    "threshold": Number
  }
]
    <Object>.<식별자>.<object>. 자신 예측과 연결된 신뢰도 값입니다. 예: 53.84.

    데이터 유형: 숫자
    <Object>.<식별자>.<object>. 예측 시스템 ID 예측 값의 sys_id입니다. 결과가 예측되는 모든 테이블에서 나올 수 있습니다.

    데이터 유형: 문자열
    <Object>.<식별자>.<object>. 예측 값 예측 결과를 나타내는 값입니다.

    데이터 유형: 문자열
    <Object>.<식별자>.<object>. 문지방 예측과 연결된 구성된 임계치의 값입니다.

    데이터 유형: 숫자

    다음 예제에서는 입력을 위해 GlideRecord by sys_id 사용하고 상위 3개 결과로 제한하고 임계값을 제외하는 선택적 매개변수를 포함하는 predict() 메서드에 대한 예측 결과를 표시하는 방법을 보여줍니다.

    var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

// single GlideRecord input
var input = new GlideRecord("incident");
input.get("<sys_id>");

// configure optional parameters
var options = {};
options.top_n = 3;
options.apply_threshold = false;

var results = mlSolution.getVersion(1).predict(input, options);
// pretty print JSON results
gs.print(JSON.stringify(JSON.parse(results), null, 2));

    출력:

    {
  "<sys_id/gr>": [
    {
      "confidence": 62.10782320780268,
      "threshold": 20.36,
      "predictedValue": "Clone Issues",
      "predictedSysId": ""
    },
    {
      "confidence": 6.945237375770391,
      "threshold": 16.63,
      "predictedValue": "Instance Administration",
      "predictedSysId": ""
    },
    {
      "confidence": 5.321061076300759,
      "threshold": 23.7,
      "predictedValue": "Administration",
      "predictedSysId": ""
    }
  ]
}

    다음 예제에서는 필드 이름 배열을 입력에 대한 키-값 쌍으로 사용하고 상위 3개의 결과로 제한하고 임계값을 제외하는 선택적 매개 변수를 포함하는 predict() 메서드에 대한 예측 결과를 표시하는 방법을 보여 줍니다.

    var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization');

// key-value pairs input
var input = [{"short_description":"my email is not working"}, {short_description:"need help with password"}];

// configure optional parameters
var options = {};
options.top_n = 3;
options.apply_threshold = false;
var results = mlSolution.predict(input, options);

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

    출력:

    {
  "1": [
    {
      "confidence": 37.5023032262591,
      "threshold": 10.72,
      "predictedValue": "Authentication",
      "predictedSysId": ""
    },
    {
      "confidence": 24.439964862166583,
      "threshold": 23.7,
      "predictedValue": "Administration",
      "predictedSysId": ""
    },
    {
      "confidence": 11.736320486031047,
      "threshold": 100,
      "predictedValue": "Security",
      "predictedSysId": ""
    }
  ],
  "2": [
    {
      "confidence": 99,
      "threshold": 17.77,
      "predictedValue": "Email",
      "predictedSysId": ""
    },
    {
      "confidence": 3.182137005157543,
      "threshold": 10.72,
      "predictedValue": "Authentication",
      "predictedSysId": ""
    },
    {
      "confidence": 2.8773826570713514,
      "threshold": -1,
      "predictedValue": "Email (I/f)",
      "predictedSysId": ""
    }
  ]
}

    ClassificationSolutionVersion - setPredictionSettings(개체 옵션)

    솔루션 수준 또는 클래스 수준에서 정밀도, 범위 또는 회수율 값을 설정합니다.

    표 15. 매개변수
    이름 유형 설명
    옵션 객체 메트릭 구성 값입니다. 이러한 기능에 대한 자세한 내용은 대상 지표 구성을 참조하세요.
    {  	 
   "metricName" : "String",
   "metricValue" : "String",
   "className" : "String"
}
    옵션.메트릭 이름 문자열 설정할 메트릭의 이름입니다.
    유효한 값은 다음과 같습니다.
    • coverage
    • precision
    • recall
    options.metricValue 문자열 메트릭에 할당할 숫자 값입니다.
    옵션.클래스 이름 문자열 옵션입니다. 결과를 제한할 클래스의 이름입니다. getTrainingStatistics() 메서드를 사용하여 솔루션에 대한 전체 클래스 목록을 검색합니다.
    표 16. 반환
    유형 설명
    없음

    다음 예제에서는 Clone Issues라는 클래스에 대해 정밀도 메트릭을 89.5로 설정하는 방법을 보여 줍니다.

    var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_classification');
var input = {"metricName" : "precision", "metricValue" : "89.5", "className" : "Clone Issues"};

mlSolution.getActiveVersion().setTrainingStatistics(input);