Usando APIs de aprendizado de máquina
Uso ServiceNow APIs de aprendizado de máquina (ML) para treinar modelos de aprendizado de máquina e executar inferências.
As APIs DE ML permitem treinamento de soluções e gestão de versões de soluções. Você pode obter e definir versões ativas, monitorar o status do treinamento e muito mais. A API DE ML também fornece codificadores, que permitem o uso de frequência de termo – frequência inversa de documento (TF-IDF) como um corpus de palavras. As estimativas de previsibilidade permitem avaliar o valor preditivo das colunas da tabela.
Visão geral da classe de API DE ML
Esta seção descreve resumidamente as aulas para treinamento de soluções DE ML e execução de inferências com soluções treinadas.
- Conjuntos de dados
Um conjunto de dados é Um conjunto de registros, incluindo um nome de tabela, colunas e critérios de seleção de linha para usar como entrada para algoritmos de treinamento DE ML. Os conjuntos de dados não contêm os dados reais.
Para obter mais informações, consulte Definição de conjunto de dados .
- Objetos DE ML - Soluções, codificadores e estimativas
Os objetos DE ML definem uma configuração de treinamento específica a ser aplicada em um conjunto de dados. Algumas operações são comuns em objetos DE ML. Os objetos de solução incluem classificação, clustering, regressão e semelhança.
Os codificadores são objetos de processamento de texto que são pré-treinados ou treinados com base nos conjuntos de dados de idiomas fornecidos. Você pode treinar codificadores que determinam como o sistema interpreta e processa campos de texto. Para soluções DE ML que incluem texto, você pode treinar um codificador para especificar como processar texto e usar o codificador treinado em uma solução.
Os objetos Estimate estimam quais campos em um conjunto de dados são previsíveis e os recursos nos quais essa previsibilidade se baseia.
Para obter mais informações, consulte:- Lojas
Os objetos DE ML são mantidos em um armazenamento específico para cada tipo de objeto. Cada classe de armazenamento inclui métodos para operações de adição, obtenção, atualização e exclusão.
Para obter mais informações, consulte:- Versões
Cada objeto treinado resulta em uma nova versão na qual você pode executar tarefas. Use a API de versão para obter qualquer versão da solução e executar tarefas nela.
Para obter mais informações, consulte:
Juntando: Fluxos de API de ML
- Definir um conjunto de dados (DatasetDefinition)
- Criar um objeto DE ML (Solução/Codificador/Estimate de previsão)
- Adicionar à loja (loja)
- Treinamento (Solução/Codificador/Estimate de Predicabilidade)
- Criar um codificador (codificador)
- Definir um conjunto de dados (DatasetDefinition)
- Criar solução que especifica o codificador (Solução)
- Adicionar à loja (SolutionStore)
- Treinamento (Solução)
Requisitos do codificador de objeto de ML:
- Necessário em soluções de API de semelhança.
- Necessário em soluções de API de clustering, a menos que o algoritmo de distância Levenshtein seja usado, caso em que os codificadores são opcionais.
- Opcional para soluções de classificação e regressão.
- Não disponível para estimativas de previsibilidade.
Treinamento de introdução à solução de API de ML
Siga este procedimento de exemplo para saber como configurar e treinar uma solução.
- Configure e treine uma solução
-
- Defina um conjunto de dados usando Definição de conjunto de dados API.
var myData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['assignment_group', 'short_description', 'description'], 'encodedQuery' : 'activeANYTHING' }); - Use o construtor para definir a solução, incluindo o conjunto de dados na configuração.
var mySolution = new sn_ml.ClassificationSolution({ 'label': "my solution definition", 'dataset' : myData, 'predictedFieldName' : 'assignment_group', 'inputFieldNames':['short_description'] }); - Adicione a definição da solução à loja usando adicionar() método.
var my_unique_name = sn_ml.ClassificationSolutionStore.add(mySolution); - Treine a solução usando TrainingJob() método. Após a conclusão do treinamento, você poderá gerenciar a solução treinada usando uma API de versão da solução. Uma solução pode ser retreinada várias vezes. Cada treinamento resulta em uma nova "versão" da solução na qual você pode executar inferências.
var myClassifierVersion = mySolution.submitTrainingJob();
- Defina um conjunto de dados usando Definição de conjunto de dados API.
- Exibir todas as soluções de classificação em uma loja
- Você pode usar a loja GetAllNames() método para ver uma lista de todas as soluções que foram adicionadas à loja.
gs.print(JSON.stringify(JSON.parse(sn_ml.ClassificationSolutionStore.getAllNames()), null, 2));Na saída, o sistema nomeou a solução
ml_x_snc_global_global_my_solution_definition. Use este nome nos exemplos subsequentes para obter informações da versão.*** Script: [ "ml_incident_assignment", "ml_x_snc_global_global_my_solution_definition", "ml_incident_categorization" ]
Introdução às versões da solução da API de ML
Siga estes exemplos de detalhamentos para saber como gerenciar versões de solução treinadas.
- Verifique o status do treinamento
Obtenha a solução de classificação na loja, escolha uma versão e verifique o status do treinamento. Os métodos usados para verificar o status do treinamento são aplicáveis a todos os tipos de objeto DE ML.
- Obtenha a solução do armazenamento de soluções de classificação usando get() método.
// Get the solution created in the previous example from the classification solution store var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_my_solution_definition'); - Acesse a versão mais recente da solução usando GetLatestVersion() método de solução e obter o status de treinamento usando GetStatus() método de versão.
// Access the latest version of the solution and print its training status gs.print(JSON.stringify(JSON.parse(mlSolution.getLatestVersion().getStatus(), null, 2)));Saída quando o treinamento for concluído:
*** Script: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"}
- Obtenha a solução do armazenamento de soluções de classificação usando get() método.
- Obtenha previsões usando uma versão da solução
- Depois que a solução for treinada, obtenha a versão treinada e execute uma previsão nela. Obtenha a solução que você criou na loja. Em seguida, escolha a versão treinada e preveja a versão treinada.Nota:As previsões não podem ser feitas em codificadores e estimativas de previsibilidade.
- Obtenha a solução do armazenamento de soluções de classificação usando get() método.
// Get the solution created in the first example from the classification solution store var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_my_solution_definition'); - Use o. GlideRecord API get() Método para fornecer um registro da tabela Incidente [incidente].
// single GlideRecord input var input = new GlideRecord("incident"); input.get("<sys_id>"); - Opcional. Configure o. ClassificationSolutionVersion – Previsão() método optionsparâmetro para retornar os três principais resultados e retornar todos os resultados.
// configure optional parameters var options = {}; options.top_n = 3; options.apply_threshold = false; - Declare uma variável chamada
resultadose atribua-o ao trabalho de previsão. Para executar o trabalho de previsão, obtenha a versão mais recente da solução usando ClassificationSolution – getLatestVersion() e chamar o. ClassificationSolutionVersion – Previsão() nele.var results = mlSolution.getLatestVersion().predict(input, options); - Imprima a saída de resultados previstos.
gs.print(JSON.stringify(JSON.parse(results), null, 2));Saída de exemplo de resultados previstos:
*** Script: { "<sys_id>": [ { "confidence": 99, "threshold": 24.75, "predictedValue": "Email", "predictedSysId": "" }, { "confidence": 5.88210244009169, "threshold": 100, "predictedValue": "Email (I/f)", "predictedSysId": "" }, { "confidence": 2.3461203499840932, "threshold": 14.81, "predictedValue": "Authentication", "predictedSysId": "" } ] }
- Obtenha a solução do armazenamento de soluções de classificação usando get() método.