Usando Agrupar por para classificação

  • Versão de lançamento: Xanadu
  • Atualizado 1 de ago. de 2024
  • 2 min. de leitura

    • Use APIs para enviar simultaneamente várias soluções de classificação para treinamento com base no campo Agrupar por.

    Você pode usar a capacidade Agrupar por opcional para treinar e manter uma solução de classificação que cobre mais de uma área de dados, como localização geográfica ou domínio.

    Para treinar uma solução usando Agrupar por, você deve adicionar o parâmetro groupby ao criar uma definição de solução de classificação usando APIs. O parâmetro groupby aceita somente colunas categoriais como entradas, em que modelos individuais são criados no subconjunto de dados pertencentes a cada um dos valores groupby. Somente as soluções secundárias que passam nos critérios mínimos de registros definidos para a capacidade são criadas. Aqui, as chamadas de previsão são roteadas para o modelo Agrupar por correspondente com base no valor de Agrupar por presente na entrada de previsão. Não há suporte para previsões em lote.

    Um cenário Agrupar por para localizações geográficas

    Digamos que sua empresa global use o roteamento de classificação para registros de entrada, com um centro de suporte nos EUA e um na Europa. Aqui, você deseja criar uma única solução de classificação que tenha um modelo para seus incidentes nos Estados Unidos e outro para seus incidentes na Europa.

    Neste cenário, você pode usar uma destas duas abordagens:
    • Crie e treine duas definições de solução de classificação de ML separadas, em que uma é filtrada somente por incidentes dos EUA e uma somente por incidentes da Europa.
    • Use o parâmetro groupby para criar Groupby para o local do país para que todas as definições dos EUA criem um modelo dos EUA e todas as definições da Europa criem um modelo da Europa. Em seguida, com base no incidente, o sistema identifica qual modelo usa para prever a categoria de classificação correta.

    A segunda abordagem tem benefícios, pois os modelos usados podem estar em domínios diferentes, como saúde ou finanças. Essa abordagem é especialmente benéfica se você tiver vários locais ou domínios de país para manter.

    Exemplo de uso para treinamento e previsão usando o Agrupar por via 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);

    Para obter mais contexto sobre este exemplo e o uso geral das APIs de aprendizado de máquina, consulte a documentação citada na seção Tópicos relacionados abaixo.