PredictabilityEstimateVersion : global

  • Rversion finale: Australia
  • Mis à jour 12 mars 2026
  • 5 minutes de lecture
  • L’API PredictabilityEstimateVersion est un objet pouvant contenir des scripts utilisé dans Intelligence prédictive les magasins.

    Ce L’API nécessite le module d’extension Intelligence prédictive (com.glide.platform_ml) et est fournie dans l’espace de noms sn_ml .

    Utilisez cette API lorsque vous utilisez des versions d’estimation de prédictibilité basées sur des objets d’API PredictabilityEstimate dans le magasin PredictabilityEstimate.

    Le système active la version la plus récente de la Estimation de la prévisibilité à la fin de la formation et n’autorise qu’une seule version à la fois. Toutefois, vous pouvez activer n’importe quelle version précédemment formée que vous souhaitez utiliser pour effectuer des prédictions.

    Les méthodes de cette API sont accessibles à l’aide des méthodes PredictabiltyEstimate suivantes :

    PredictabilityEstimateVersion : getProperties()

    Obtient les propriétés et le numéro de version de l’objet d’estimation de la prévisibilité.

    Tableau 1. Paramètres
    Nom Type Description
    Néant
    Tableau 2. Renvoie
    Type Description
    Objet Contenu de l’ensemble de données et détails de la version PredictabilityEstimate . Les résultats varient selon la configuration des propriétés d’objet.
    {
      "datasetProperties": {Object},
      "domainName": "String", 
      "inputFieldNames": [Array],
      "label": "String",
      "name": "String",
      "predictedFieldName": "String",
      "scope": "String",
      "trainingFrequency": "String",
      "versionNumber": "Number"
    }
    <Object>.datasetProperties

    Répertorie les propriétés de l’objet DatasetDefinition() associé à l’estimation de la prévisibilité.

    {
      "encodedQuery": "String",
      "fieldDetails": [Array],
      "fieldNames": [Array],
      "tableName": "String"
    }

    Type de données : objet.

    <Object>.datasetProperties.tableName Nom de la table pour l’ensemble de données. Par exemple, « tableName » : « Incident ».

    Type de données : chaîne.

    <Object>.datasetProperties.fieldNames Liste des noms de champs de la table spécifiée sous forme de chaînes. Par exemple, « fieldNames » : ["short_description », « priority"].

    Type de données : tableau.

    <Object>.datasetProperties.fieldNames.fieldDetails Liste des objets JavaScript qui spécifient les propriétés des champs.
    [
      {
        "name": "String",
        "type": "String"
      }
    ]

    Type de données : tableau.

    <Object>.datasetProperties.fieldNames.fieldDetails.<object>. Name (Nom) Nom du champ définissant le type d’informations auquel restreindre cet ensemble de données.

    Type de données : chaîne.

    <Object>.datasetProperties.fieldDetails.<object>. Type Type de champ d’apprentissage machine.

    Type de données : chaîne.

    <Object>.datasetProperties.fieldDetails.encodedQuery Chaîne de requête codée au format Glide standard. Voir Chaînes de requête codées.

    Type de données : chaîne.

    <Object>.domainName Nom de domaine associé à cet ensemble de données. Voir Séparation de domaine et Intelligence prédictive.

    Type de données : chaîne.

    <Object>.inputFieldNames Liste des champs d’entrée du candidat sous forme de chaînes à prendre en compte pour l’estimation.

    Type de données : chaîne.

    <Object>.isActive Marqueur indiquant si cette version est active.
    Valeurs valides :
    • vrai : la version est active.
    • faux : la version n’est pas active.

    Type de données : chaîne

    <Object>.étiquette Identifie la tâche de prédiction.
    {
      "label": "my first prediction"
    }

    Type de données : chaîne.

    <Object>.nom Nom affecté par le système.

    Type de données : chaîne.

    <Object>.predictedFieldName Identifie un champ à former pour la prévisibilité.

    Type de données : chaîne.

    <Object>.champ d’application Périmètre de l’objet. Actuellement, la seule valeur valide est global.

    Type de données : chaîne

    <Object>.trainingFrequency Fréquence de reformation du modèle.
    Valeurs possibles :
    • every_30_days
    • every_60_days
    • every_90_days
    • every_120_days
    • every_180_days
    • run_once
    Par défaut : run_once

    Type de données : chaîne.

    <Object>.versionNuméro Numéro de version de Objet PredictabilityEstimate.

    Type de données : chaîne.

    L’exemple suivant obtient les propriétés de la version de l’objet actif dans le magasin.

    // Get properties
    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_incident_categorization');
    
    gs.print(JSON.stringify(JSON.parse(mlEstimate.getActiveVersion().getProperties()), null, 2));

    Sortie :

    "datasetProperties": {
        "encodedQuery": "activeANYTHING^EQ",
        "fieldNames": [
          "short_description",
          "category"
        ],
        "tableName": "incident"
      },
      "domainName": "global",
      "inputFieldNames": [
        "short_description"
      ],
      "isActive": "true",
      "label": "Incident Categorization_Trainer",
      "name": "ml_incident_categorization",
      "predictedFieldName": "category",
      "processingLanguage": "en",
      "stopwords": [
        "Default English Stopwords"
      ],
      "versionNumber": "1"
    }

    PredictabilityEstimateVersion : getResults()

    Renvoie les résultats JSON contenant des champs d’entrée suggérés pour un champ de sortie.

    Tableau 3. Paramètres
    Nom Type Description
    Néant
    Tableau 4. Renvoie
    Type Description
    Objet Résultats de l’objet JSON contenant des options de champ d’entrée suggérées pour un champ de sortie.
    <Object>.<output field name> Nom du champ de sortie, par exemple, la catégorie, contenant des champs d’entrée suggérés.
    {
      "<output field name>": {
        "nominalInputFields": [Array],
        "textInputFields": [Array]
      }
    }

    Type de données : objet

    <Object>.<output field name>. nominalInputFields Détails du champ d’entrée nominal.
    "nominalInputFields": [
          {
            "fieldName": "String",
            "modelImprovement": "String"     
          }
        ]

    Type de données : tableau.

    <Object>.<output field name>. nominalInputFields.fieldName Nom du champ d’entrée nominal.

    Type de données : chaîne.

    <Object>.<output field name>. nominalInputFields.modelImprovement Score en tant qu’indication relative de la probabilité que ce champ améliore les résultats.

    Type de données : nombre sous forme de chaîne.

    <Object>.textInputFields Détails du champ d’entrée de texte.
    
        "textInputFields": [
          {
            "fieldName": "String",
            "density": "String"
          }
        ]

    Type de données : tableau.

    <Object>.textInputFields.fieldName Nom du champ d’entrée de texte.

    Type de données : chaîne.

    <Object>.textInputFields.density Valeur comprise entre 0 et 1,0 qui représente la fréquence à laquelle le champ n’est pas vide. Une valeur de 1,0 signifie que le champ n’est pas vide dans toutes les lignes, et une valeur de 0 indique que le champ est vide dans toutes les lignes.

    Type de données : nombre sous forme de chaîne.

    L’exemple suivant montre comment obtenir des résultats pour une version sélectionnée d’une estimation de prévisibilité dans le magasin.

    // Get results
    var estimateName = "ml_x_snc_global_global_predictability_estimate;"
    var mlEstimate = sn_ml.PredictabilityEstimateStore.get(estimateName);
    
    var results = mlEstimate.getActiveVersion().getResults();
    
    gs.print(JSON.stringify(JSON.parse(results), null, 2));

    Sortie :

    {
      "category": {
        "nominalInputFields": [
          {
            "fieldName": "number",
            "modelImprovement": "0.167052396325189"
          },
          {
            "fieldName": "task_effective_number",
            "modelImprovement": "0.167052396325189"
          }
        ],
        "textInputFields": [
          {
            "fieldName": "short_description",
            "density": "1.0"
          }
        ]
      }
    }

    PredictabilityEstimateVersion : getStatus(booléen includeDetails)

    Obtient l’état d’achèvement de la formation.

    Tableau 5. Paramètres
    Nom Type Description
    includeDetails Booléen Marqueur indiquant s’il faut renvoyer l’état details.
    Valeurs valides :
    • vrai : renvoyer des détails supplémentaires.
    • faux : ne renvoie pas de détails supplémentaires.

    Valeur par défaut : faux

    Tableau 6. Renvoie
    Type Description
    Objet Objet JavaScript contenant des informations sur l’état de la formation pour un objet PredictabilityEstimate .
    {
      "state": "String",
      "percentComplete": "Number as a String",
      "hasJobEnded": "Boolean value as a String",
      "details": {Object}
    }
    <Object>.state État d’achèvement de la formation. Si la tâche de formation atteint un état terminal, la tâche ne quitte pas cet état. Si l’état est terminal, la hasJobEnded propriété est définie sur true.
    Valeurs possibles :
    • fetching_files_for_training
    • preparing_data
    • retry
    • solution_cancelled (terminal)
    • solution_complete (terminal)
    • solution_error (terminal)
    • solution_incomplete
    • training_request_received
    • training_request_timed_out (terminal)
    • training_solution
    • uploading_solution
    • waiting_for_training

    Type de données : chaîne

    <Object>.hasJobEnded Marqueur indiquant si la formation est terminée.
    Valeurs valides :
    • vrai : la formation est terminée.
    • faux : la formation est incomplète.

    Type de données : valeur booléenne sous forme de chaîne

    <Object>.percentComplete Pourcentage d’achèvement de la formation. Si le pourcentage d’achèvement est inférieur à 100, la tâche est peut-être dans un état terminal. Par exemple, si la formation expire.

    Type de données : nombre en tant que chaîne

    Plage : 0 à 100

    <Object>.détails Objet contenant une liste de détails de formation supplémentaires.

    Type de données : objet

    L’exemple suivant montre un résultat correct avec la formation terminée.

    // Get status
    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_incident_categorization');
    
    gs.print(JSON.stringify(JSON.parse(mlEstimate.getActiveVersion().getStatus(true), null, 2)));

    Sortie :

    {
     "state":"solution_complete",
     "percentComplete":"100",
     "hasJobEnded":"true",
     "details":{"stepLabel":"Solution Complete"} // This information is only returned if getStatus(true);
    }

    L’exemple suivant montre un résultat d’échec lorsque la formation est terminée.

    // Get status
    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_my_estimate_definition');
    var trainingStatus = mlEstimate.getLatestVersion().getStatus();
    
    gs.print(JSON.stringify(JSON.parse(trainingStatus), null, 2));

    Sortie :

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

    PredictabilityEstimateVersion : getVersionNumber()

    Obtient le numéro de version de Objet d’estimation de la prévisibilité.

    Tableau 7. Paramètres
    Nom Type Description
    Néant
    Tableau 8. Renvoie
    Type Description
    Chaîne Numéro de version.

    L’exemple suivant montre comment obtenir un numéro de version.

    // Get version number
    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate');
    
    gs.print("Version number: "+JSON.stringify(JSON.parse(mlEstimate.getActiveVersion().getVersionNumber()), null, 2));

    Sortie :

    Version number: 1