분류 솔루션 예측 테스트

기계 학습(ML) 솔루션이 학습되면 API를 예측 인텔리전스 호출하여 솔루션을 예측할 수 있습니다. 이 예제 절차에서는 REST API 탐색기를 사용하여 인시던트 분류에 대한 분류 솔루션 예측을 테스트합니다.

시작하기 전에

예측을 테스트하기 전에 ML 솔루션을 교육합니다.

필요한 역할: web_service_admin, rest_api_explorer, admin 또는 ml_admin

이 태스크 정보

이 절차는 샘플 데이터를 사용하여 인스턴스에서 수행할 수 있는 작업을 보여주며 실제로 인스턴스에 있는 데이터 또는 레코드는 나타내지 않을 수 있습니다.

이 시나리오에서는 이전에 만들고 학습한 가상의 ML 솔루션에 대한 분류 솔루션 예측을 보여줍니다. REST API 탐색기를 사용하여 유사성 솔루션 예측을 테스트할 수도 있습니다.

프로시저

1. 다음으로 이동 모두 > 예측 인텔리전스 > 분류 > 솔루션 정의.
2. 예측을 테스트하려는 ML 솔루션 정의를 찾아 이름 값을 클립보드 또는 메모장 파일에 복사합니다.
   이 경우 다음 예와 같이 ML 솔루션 정의 인시던트 분류 기록의 이름 필드 값을 사용합니다.

   

3. REST API 탐색기가 API에 대한 예측 인텔리전스 호출에 사용할 ML 솔루션 정의 기록에 사용되는 입력 필드를 적어 저장합니다.
   이 경우 예측 모델이 이 필드를 사용하여 범주 정의를 학습하도록 훈련되었기 때문에 짧은 _description 필드를 사용합니다.

   

4. 다음으로 이동 시스템 웹 서비스 > REST > REST API 탐색기.
5. 이러한 선택 필드를 다음과 같이 설정합니다.

   필드	값
   네임스페이스	지금(기본값으로 유지)
   API 이름	예측 인텔리전스
   API 버전	최신(기본값으로 유지)

   양식이 예측 인텔리전스 나타납니다. 이 양식을 사용하여 API에 대한 호출 요청을 준비합니다 예측 인텔리전스 .
6. solution-name 값 필드에 ml_incident_categorization를 입력합니다.
   주:

   이 절차의 1단계에서 캡처한 이름 값입니다.
7. Add query parameter(쿼리 매개 변수 추가)를 클릭합니다.
   양식이 예측 인텔리전스 새로 고쳐지고 쿼리 매개변수 섹션이 표시됩니다.
8. 첫 번째 필드에 short_description 를 입력합니다.
   주:

   이 절차의 2단계에서 캡처한 입력 필드입니다.
9. 두 번째 필드에 인시던트에 대한 짧은 설명을 입력합니다. 예를 들어 연결할 수 없음을 입력합니다.
10. 보내기 버튼을 클릭합니다.
    REST API 탐색기는 예측 인텔리전스 API에 요청을 보냅니다.
    시스템은 API 출력의 응답 본문 섹션에서 출력 값을 예측합니다. 다른 간단한 설명을 사용하여 솔루션이 예측하는 내용을 테스트할 수 있습니다.
11. 옵션: 예측 모델을 다시 테스트할 수 있도록 API에 예측 인텔리전스 다른 요청을 보냅니다.
    1. 폼의 쿼리 매개변수 섹션으로 예측 인텔리전스 돌아갑니다.
    2. 두 번째 필드에 다른 종류의 인시던트를 참조하는 짧은 설명을 입력합니다. 예를 들어 MSSQL에 연결할 수 없음을 입력합니다.
    3. 보내기 버튼을 클릭합니다.
    솔루션 정의 설정에서 구성한 인시던트 범주에 따라 응답 본문 섹션이 새로 고쳐져 9단계에서 본 것과 다른 결과가 표시될 수 있습니다. 즉, 짧은 설명 텍스트를 변경하면 인시던트가 다른 종류의 문제로 다시 분류될 수 있습니다.

예

인시던트 양식을 사용하여 새 인시던트 기록을 생성할 때 예측 모델을 테스트 예측 인텔리전스 할 수도 있습니다.

1. 다음으로 이동 인시던트 > 새로 작성.
2. 로드되는 새 인시던트 양식에서 다음과 같이 필드를 설정합니다.
   • 사용자: 호출자 이름을 입력합니다.
   • 범주: 기본값으로 둡니다.
   • 간단한 설명: 테스트할 간단한 설명을 입력합니다.
3. 인시던트 양식을 제출합니다.

결과: 양식을 새로 고치면 인시던트 범주가 특정 값으로 자동 설정된 정보 메시지가 나타납니다.

주:

일부 짧은 설명의 경우 솔루션에서 이 입력의 값을 예측할 수 있는 충분한 신뢰도가 없기 때문에 예측이 처리되지 않을 수 있습니다.

관련 정보

• 예측 인텔리전스 API
• MLPredictor - 전역