Configurar o algoritmo do componente de conexão e o método de distância de Levenshtein para uma solução de cluster
Aplique a codificação do método Configurar componente de conexão e Distância de Levenshtein para otimizar o treinamento para suas soluções de cluster.
Antes de Iniciar
Nota:
Definir configurações avançadas em suas soluções de ML é opcional. Se você optar por definir qualquer uma dessas configurações, certifique-se de estar bem informado sobre a tecnologia que está habilitando na solução e de que seu caso de uso se beneficie do que a tecnologia oferece. Para obter mais informações, consulte o artigo Mergulhe mais fundo com Parâmetros avançados de cluster em Comunidade ServiceNow.
- Crie e treine uma definição de solução de clustering ou use uma existente.
- Função necessária: admin ou ml_admin
Por Que e Quando Desempenhar Esta Tarefa
Ao treinar soluções de clustering, você tem as três opções a seguir.
- Use o algoritmo k-means padrão.
- Use o parâmetro de solução DBSCAN opcional com o método de distância euclidiana como uma métrica.
- Use os parâmetros opcionais de solução DBSCAN, Mínimo de Vizinhos e Distância de Levenshtein. O Componente de conexão é habilitado por DBSCAN e Vizinhos mínimos e oferece suporte a texto baseado em vetor de parágrafo e texto baseado em distância de Levenshtein. Se você treinar sua solução usando o método Distância de Levenshtein, não precisará usar um corpus de palavras em sua solução de cluster.
Neste cenário de exemplo, você treina sua definição de solução usando a terceira opção mencionada acima.