Agrupar por para classificação

  • Versão de lançamento: Zurich
  • Atualizado 31 de jul. de 2025
  • 2 min. de leitura

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

    Você pode usar o recurso opcional Agrupar por 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 groupby Parâmetro ao criar uma definição de solução de classificação usando APIs. . groupby o parâmetro aceita somente colunas categóricas como entradas, em que modelos individuais são criados no subconjunto de dados pertencentes a cada um dos groupby valores. São criadas somente as soluções secundárias que passam pelos critérios mínimos de registros definidos para a capacidade. Aqui, as chamadas de previsão são roteadas para o modelo Agrupar por correspondente com base no valor Agrupar por presente na entrada de previsão. As previsões em lote não são compatíveis.

    Um cenário Agrupar por para localizações geográficas

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

    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 outra somente por incidentes europeus.
    • Use groupby Parâmetro para criar Groupby para o local do país para que todas as definições dos EUA criem um modelo dos EUA e todas as definições europeias criem um modelo europeu. Em seguida, com base no incidente, o sistema identifica qual modelo ele usa para prever a categoria de classificação correta.

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

    Exemplo de uso para treinamento e previsão usando 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 os links na seção Conteúdo relacionado nesta página.