Création et formation de solutions

Utilisez l’un des cadres de travail Predictive Intelligence (PI) pour créer et former des solutions d’apprentissage machine. Chaque cadre de travail fournit un type de solution différent pour former le système à prédire, recommander et organiser les résultats des données.

Types de solutions

Les trois cadres de travail PI fournissent différentes solutions qui peuvent être invoquées par n’importe quelle application via une API de prédiction pour effectuer une prédiction. Créez et formez vos propres solutions à l’aide de vos données précédentes. Accédez à la Tous > Intelligence prédictive > Page d'accueil pour afficher et créer des solutions.

Sélectionnez le meilleur cadre pour la prédiction souhaitée :

• Solutions de classification :

  Définit des valeurs de champ lors de la création de l’enregistrement pour catégoriser et router automatiquement le travail en fonction des enregistrements passés. Consultez Créer et former une solution de classification.

• Solutions de similarité :

  Identifie les similarités entre les nouveaux enregistrements et les enregistrements existants pour recommander des résolutions. Consultez Créer et former une solution de similarité.

• Solutions de clustering :

  Regroupe des enregistrements similaires en grappes pour identifier des modèles et des incidents majeurs. Consultez Créer et former une solution de mise en grappe.

• Solutions de régression :
  Important :

  Avec cette version, la Washington DC prise en charge de la création de nouvelles solutions de régression a été supprimée. Vous pouvez toujours modifier et former des solutions de régression existantes, mais vous ne serez pas en mesure d’en créer de nouvelles.

  Utilise des données historiques pour prédire les sorties numériques, telles que l’estimation du temps nécessaire pour résoudre un incident ou un ticket. Consultez Créer et former une solution de régression.

Sélection d’enregistrements de données pour la formation de votre solution

La qualité d’une solution dépend des données d’enregistrement que vous utilisez pour la former. En général, un bon jeu de données d’entraînement présente ces caractéristiques.

• Les champs d’entrée de définition de la solution sont disponibles pour les utilisateurs lors de la création d’enregistrements. Pour effectuer des prédictions lors de la création de l’enregistrement, la solution doit avoir les valeurs de champ d’entrée lors de la création de l’enregistrement.
• Le champ de sortie Définition de la solution est un champ de choix. Pour effectuer des prédictions plus précises, limitez le champ de sortie à un ensemble fini de valeurs possibles.
• Les enregistrements de formation contiennent uniquement des valeurs correctes pour le champ de sortie. Pour effectuer des prédictions plus précises, filtrez tous les enregistrements dont les valeurs de champ de sortie ne sont pas fiables. Par exemple, si des incidents récemment fermés peuvent être examinés et modifiés pendant un mois, filtrez tous les incidents récemment fermés.
• Les enregistrements de formation contiennent plusieurs exemples de chaque valeur de champ de sortie que vous souhaitez que la solution prédise. Pour fournir une couverture d’enregistrement plus étendue, incluez plusieurs exemples de chaque valeur de champ de sortie.
• Les enregistrements de formation comprennent des variantes courantes des champs d’entrée. Pour fournir une couverture d’enregistrement plus étendue, incluez plusieurs exemples de valeurs de champ d’entrée.

Exporter votre solution pour la formation

Pour former une solution, vous exportez sa définition de solution et ses enregistrements associés vers un serveur de formation centralisé au sein du même centre de données. Une fois la formation terminée, le serveur de formation réexporte la solution vers votre instance et supprime toutes vos données d’entraînement du serveur. Étant donné que chaque centre de données dispose de son propre serveur de formation dédié et que les données ne quittent pas le centre de données, ce service est également disponible pour les clients qui ont des exigences en matière de souveraineté des données.

Les prédictions se produisent sur un serveur de prédiction centralisé au sein du même centre de données que l’instance. Les artefacts du modèle formé sont envoyés du serveur d’instance au serveur de prédiction lors de l’appel de la prédiction pour la première fois. Ensuite, les artefacts du modèle formé sont mis en cache sur le serveur de prédiction pour les prédictions suivantes.

Remarque :

Toutes les communications entre l’instance et le service de formation se produisent à l’intérieur du même pare-feu du centre de données. Malgré cela, toutes les communications se font via HTTPS.

Dépannage de la formation à la solution

Pour résoudre les problèmes de formation courants, consultez l’article Problèmes courants liés à Predictive Intelligence [KB781893] dans .Now Support Base de connaissances