Solutions de création et de formation

  • Rversion finale: Australia
  • Mis à jour 27 mars 2026
  • 3 minutes de lecture

    • Utilisez l’un Intelligence prédictive des cadres de travail (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 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 de travail pour votre prédiction souhaitée :
    • Solutions de classification :

      Définit des valeurs de champ lors de la création d’un enregistrement pour classer et acheminer automatiquement le travail en fonction des enregistrements passés. Consultez Créer et former une solution de classification.

    • Solutions de similarité :

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

    • Solutions de mise en grappe :

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

    • Solutions de régression :
      Remarque :
      Depuis la 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 pouvez pas en initier de nouvelles.
      Utilise les 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 possède ces caractéristiques.
    • Les champs d’entrée de définition de 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 comporter les valeurs de champ d’entrée lors de la création de l’enregistrement.
    • Le champ de sortie de définition de 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 en sortie ne sont pas fiables. Par exemple, si les incidents récemment fermés sont soumis à une revue et à un changement 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 plus grande couverture des enregistrements, incluez plusieurs exemples de chaque valeur de champ de sortie.
    • Les enregistrements de formation incluent des variations courantes des champs d’entrée. Pour fournir une plus grande couverture des enregistrements, incluez plusieurs exemples de valeurs de champs d’entrée.

    Exporter votre solution pour la formation

    Pour former une solution, vous exportez sa définition et les enregistrements associés vers un serveur de formation centralisé au sein du même centre de données. Une fois la formation terminée, le serveur de formation exporte la solution vers votre instance et supprime toutes vos données de formation du serveur. Chaque centre de données dispose de son propre serveur de formation dédié et les données ne quittent pas le centre de données. Vérifiez que votre configuration est conforme à vos exigences de conformité.

    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 lorsque la prédiction est invoquée pour la première fois. Ensuite, les artefacts du modèle formé sont mis en cache sur le serveur de prédiction pour les prédictions ultérieures.
    Remarque :
    Toutes les communications entre l’instance et le service de formation se font à l’intérieur du même pare-feu de centre de données. Malgré cela, toutes les communications se font via HTTPS.

    Dépannage de la formation aux solutions

    Pour résoudre les problèmes de formation courants, consultez l’article Problèmes courants d’Intelligence prédictive [KB781893] dans le .Now Support Base de connaissances