Assemblage : flux d’API ML

Exigences relatives à l’encodeur d’objet ML :

• Requis dans les solutions d’API de similarité.
• Requis dans les solutions API de clustering, sauf si vous utilisez l’algorithme de distance de Levenshtein, auquel cas les encodeurs sont facultatifs.
• Facultatif pour les solutions de classification et de régression.
• Indisponible pour les estimations de prévisibilité.

Configurer et former une solution

1. Définissez un jeu de données à l’aide de l’API DatasetDefinition .

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

2. Utilisez le constructeur pour définir la solution, y compris l’ensemble de données dans la configuration.

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

   • SolutionClassification ()
   • Solution de mise en grappe()
   • Encodeur()
   • PredictabilityEstimate()
   • RegressionSolution()
   • SolutionSimilarité()
3. Ajoutez la définition de solution au magasin à l’aide de la méthode add( ).

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

   • ClassificationSolutionStore : ajouter()
   • ClusteringSolutionStore – add()
   • EncoderStore : add()
   • PredictabilityEstimateStore : ajouter()
   • RegressionSolutionStore : add()
   • SimilaritySolutionStore : ajouter()
4. Entraînez la solution à l’aide de la méthode submitTrainingJob( ). Une fois la formation terminée, vous pouvez gérer la solution formée à l’aide de l’API d’une version de solution. Une solution peut être réentraînée plusieurs fois. Chaque formation aboutit à une nouvelle « version » de la solution sur laquelle vous pouvez exécuter des inférences.

   var myClassifierVersion = mySolution.submitTrainingJob();

   • ClassificationSolution : submitTrainingJob()
   • ClusteringSolutionVersion – submitTrainingJob()
   • Encodeur : submitTrainingJob()
   • PredictabilityEstimate : submitTrainingJob()
   • RegressionSolution : submitTrainingJob()
   • SimilaritySolution : submitTrainingJob()

Afficher toutes les solutions de classification dans un magasin

Vous pouvez utiliser la méthode getAllNames() du magasin pour afficher une liste de toutes les solutions qui ont été ajoutées au magasin.

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

Dans le résultat, le système a nommé la solution ml_x_snc_global_global_my_solution_definition. Utilisez ce nom dans les exemples suivants pour obtenir des informations sur la version.

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

• ClassificationSolutionStore : getAllNames()
• ClusteringSolutionStore – getAllNames()
• EncoderStore : getAllNames()
• PredictabilityEstimateStore : getAllNames()
• RegressionSolutionStore : getAllNames()
• SimilaritySolutionStore : getAllNames()

Vérifier l’état de la formation

Procurez-vous la solution de classification dans le magasin, choisissez une version et vérifiez son état de formation. Les méthodes utilisées pour vérifier l’état de la formation sont applicables à tous les types d’objets ML.

1. Obtenez la solution à partir du magasin de solutions de classification à l’aide de la méthode get( ).

   // 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()
   • EncoderStore : get()
   • PredictabilityEstimateStore : get()
   • RegressionSolutionStore : get()
   • SimilaritySolutionStore : get()
2. Accédez à la version la plus récente de la solution à l’aide de la méthode de solution getLatestVersion() et obtenez son état de formation à l’aide de la méthode de version getStatus( ).

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

   Sortie lorsque la formation est terminée :

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

   getLatestVersion()	getStatus()
   ClassificationSolution : getLatestVersion()	ClassificationSolutionVersion : getStatus()
   ClusteringSolution – getLatestVersion()	ClusteringSolutionVersion – getStatus()
   Encodeur : getLatestVersion()	EncoderVersion : getStatus()
   PredictabilityEstimate : getLatestVersion()	PredictabilityEstimateVersion : getStatus()
   RegressionSolution : getLatestVersion()	RegressionSolutionVersion : getStatus()
   SimilaritySolution : getLatestVersion()	SimilaritySolutionVersion : getStatus()

Obtenir des prédictions à l’aide d’une version de la solution

Une fois que la solution a été formée, procurez-vous la version formée et exécutez une prédiction dessus. Obtenez la solution que vous avez créée dans la boutique. Ensuite, choisissez la version formée et prédisez la version formée.

Remarque :

Les prédictions ne peuvent pas être faites sur les encodeurs et les estimations de prévisibilité.

1. Obtenez la solution à partir du magasin de solutions de classification à l’aide de la méthode get( ).

   // 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. Utilisez la méthode get() de l’API GlideRecord pour fournir un enregistrement à partir de la table Incident [incident].

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

3. Facultatif. Configurez le paramètre de méthode optionsClassificationSolutionVersion – predict() pour renvoyer les trois premiers résultats et renvoyer tous les résultats.

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

4. Déclarez une variable appelée results et affectez-la à la tâche de prédiction. Pour exécuter la tâche de prédiction, obtenez la version la plus récente de la solution à l’aide de la méthode ClassificationSolution – getLatestVersion() et appelez la méthode ClassificationSolutionVersion – predict() sur celle-ci.

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

   • ClassificationSolutionVersion : predict()
   • ClusteringSolutionVersion – predict()
   • RegressionSolutionVersion : predict()
   • SimilaritySolutionVersion : predict()
5. Imprimer la sortie des résultats prévus.

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

   Résultats prévus Exemple de sortie :

   *** 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": ""
       }
     ]
   }