종합: ML API 플로우

ML 객체 인코더 요구 사항:

• 유사성 API 솔루션에 필요합니다.
• Levenshtein 거리 알고리즘을 사용하지 않는 한 API 솔루션 클러스터링에 필요하며, 이 경우 인코더는 선택 사항입니다.
• 분류 및 회귀 솔루션에 대한 선택 사항입니다.
• 예측 가능성 예상치에 사용할 수 없습니다.

솔루션 구성 및 교육

1. DatasetDefinition API를 사용하여 데이터 세트를 정의합니다.

   var myData = new sn_ml.DatasetDefinition({
   
     'tableName' : 'incident',
     'fieldNames' : ['assignment_group', 'short_description', 'description'],
     'encodedQuery' : 'activeANYTHING'
   
   });

2. 생성자를 사용하여 구성에 데이터 세트를 포함하여 솔루션을 정의합니다.

   var mySolution = new sn_ml.ClassificationSolution({
   
     'label': "my solution definition",
     'dataset' : myData,
     'predictedFieldName' : 'assignment_group',
     'inputFieldNames':['short_description']
   
   });

   • 분류솔루션()
   • 클러스터링솔루션()
   • 인코더()
   • 예측 가능성 추정()
   • 회귀솔루션()
   • 유사성 솔루션()
3. add() 메서드를 사용하여 저장소에 솔루션 정의를 추가합니다.

   var my_unique_name = sn_ml.ClassificationSolutionStore.add(mySolution);

   • ClassificationSolutionStore - add()
   • ClusteringSolutionStore – add()
   • 인코더스토어 - add()
   • PredictabilityEstimateStore - add()
   • RegressionSolutionStore - add()
   • SimilaritySolutionStore - add()
4. submitTrainingJob() 메서드를 사용하여 솔루션을 교육합니다. 교육이 완료되면 솔루션 버전 API를 사용하여 교육된 솔루션을 관리할 수 있습니다. 솔루션은 여러 번 재학습할 수 있습니다. 각 교육의 결과로 추론을 실행할 수 있는 새 솔루션 "버전"이 생성됩니다.

   var myClassifierVersion = mySolution.submitTrainingJob();

   • ClassificationSolution - submitTrainingJob()
   • ClusteringSolutionVersion – submitTrainingJob()
   • 인코더 - submitTrainingJob()
   • PredictabilityEstimate - submitTrainingJob()
   • RegressionSolution - submitTrainingJob()
   • SimilaritySolution - submitTrainingJob()

스토어의 모든 분류 솔루션 보기

스토어 getAllNames() 메서드를 사용하여 스토어에 추가된 모든 솔루션 목록을 볼 수 있습니다.

gs.print(JSON.stringify(JSON.parse(sn_ml.ClassificationSolutionStore.getAllNames()), null, 2));

출력에서 시스템은 솔루션의 이름을 ml_x_snc_global_global_my_solution_definition 지정합니다. 후속 예제에서 이 이름을 사용하여 버전 정보를 가져옵니다.

*** Script: [
  "ml_incident_assignment",
  "ml_x_snc_global_global_my_solution_definition",
  "ml_incident_categorization"
]

• ClassificationSolutionStore - getAllNames()
• ClusteringSolutionStore – getAllNames()
• 인코더스토어 - getAllNames()
• PredictabilityEstimateStore - getAllNames()
• RegressionSolutionStore - getAllNames()
• SimilaritySolutionStore - getAllNames()

교육 상태 확인

스토어에서 분류 솔루션을 가져오고, 버전을 선택한 다음, 교육 상태를 확인합니다. 교육 상태를 확인하는 데 사용되는 방법은 모든 ML 객체 유형에 적용할 수 있습니다.

1. get() 메서드를 사용하여 분류 솔루션 저장소에서 솔루션을 가져옵니다.

   // 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');

   • ClassificationSolutionStore - get()
   • ClusteringSolutionStore – get()
   • 인코더스토어 - get()
   • PredictabilityEstimateStore - get()
   • RegressionSolutionStore - get()
   • SimilaritySolutionStore - get()
2. getLatestVersion() 솔루션 메서드를 사용하여 최신 솔루션 버전에 액세스하고 getStatus() 버전 메서드를 사용하여 교육 상태를 가져옵니다.

   // Access the latest version of the solution and print its training status
   gs.print(JSON.stringify(JSON.parse(mlSolution.getLatestVersion().getStatus(), null, 2)));

   교육이 완료되면 출력:

   *** Script: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"}

   getLatestVersion()	getStatus()
   ClassificationSolution - getLatestVersion()	ClassificationSolutionVersion - getStatus()
   ClusteringSolution – getLatestVersion()	ClusteringSolutionVersion – getStatus()
   인코더 - getLatestVersion()	인코더버전 - getStatus()
   PredictabilityEstimate - getLatestVersion()	PredictabilityEstimateVersion - getStatus()
   RegressionSolution - getLatestVersion()	RegressionSolutionVersion - getStatus()
   SimilaritySolution - getLatestVersion()	SimilaritySolutionVersion - getStatus()

솔루션 버전을 사용하여 예측 가져오기

솔루션이 학습된 후 교육된 버전을 가져와 예측을 실행합니다. 스토어에서 만든 솔루션을 가져옵니다. 다음으로, 교육된 버전을 선택하고 교육된 버전을 예측합니다.

주:

인코더 및 예측 가능성 추정치에서는 예측할 수 없습니다.

1. get() 메서드를 사용하여 분류 솔루션 저장소에서 솔루션을 가져옵니다.

   // 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');

2. GlideRecord API get() 메서드를 사용하여 인시던트 [incident] 테이블의 기록을 제공합니다.

   // single GlideRecord input
   var input = new GlideRecord("incident");
   input.get("<sys_id>");

3. 옵션입니다. 상위 3개의 결과를 반환하고 모든 결과를 반환하도록 ClassificationSolutionVersion – predict() 메서드 options 매개변수를 구성합니다.

   // configure optional parameters
   var options = {};
   options.top_n = 3;
   options.apply_threshold = false;

4. 결과라는 변수를 선언하고 예측 작업에 할당합니다. 예측 작업을 실행하려면 ClassificationSolution – getLatestVersion() 메서드를 사용하여 최신 솔루션 버전을 가져오고 ClassificationSolutionVersion – predict() 메서드를 호출합니다.

   var results = mlSolution.getLatestVersion().predict(input, options);

   • ClassificationSolutionVersion - predict()
   • ClusteringSolutionVersion – 예측()
   • RegressionSolutionVersion - predict()
   • SimilaritySolutionVersion - predict()
5. 예측 결과 출력을 출력합니다.

   gs.print(JSON.stringify(JSON.parse(results), null, 2));

   예측 결과 예시 출력:

   *** 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": ""
       }
     ]
   }