---
sourceDocument: Yokohama-API-Referenz
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/de-DE/yokohama/api-reference

 Release :

    - yokohama

ft:locale :

    - de-DE

ft:publication_title :

    - Yokohama-API-Referenz

ft:clusterId :

    - crapiref

bundleId :

    - crapiref

workflow :

    - Creator


---

# KlassifizierungLösung -- Global

# KlassifizierungLösung -- Global {#ariaid-title1}

* Freigeben Version: Yokohama
* 
* Aktualisiert 30. Januar 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 8 Minuten Lesedauer

Die KlassifizierungLösung API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.

Diese(s) API erfordert Predictive IntelligencePlugin (com.glide.platform_ml) und wird in bereitgestellt `sn_ml `Namespace.  
Der Flow „Lösungssetup zu Training" lautet wie folgt:

1. Erstellen Sie einen Datensatz mit [Datendefinition](https://servicenow-prod.fluidtopics.net/P8pkp_FhlIJCSLrp2tVuyA#DatasetDefinitionAPI "Die Datendefinition API stellt Methoden zur Identifizierung bereit Ein Satz von Datensätzen, einschließlich Tabellenname, Spalten und Zeilenauswahlkriterien, die als Eingabe für ML-Trainingsalgorithmen verwendet werden sollen. Datensätze enthalten nicht die tatsächlichen Daten.")API.
2. Optional. Erstellen Sie einen Encoder mit [Encoder](https://servicenow-prod.fluidtopics.net/ncoTmwylbzXEwXVmPzAZcw#EncoderAPI "Die Encoder Die API stellt ein skriptfähiges Objekt bereit, das in verwendet wird Predictive IntelligenceSpeichert. Dieses Objekt konvertiert Eingabedaten in Zahlenvektoren basierend auf Encoder-spezifischen Zielen und Konfigurationen. Encoder können unabhängig voneinander verwendet werden, um Codierungen auszuführen, oder können als Teil von Lösungen zum Codieren von Textspalten konfiguriert werden.")API.
3. Verwenden Sie [Konstruktor](https://servicenow-prod.fluidtopics.net/ohCw_EFlm3nnOqTLdNg7GQ#ClassifictnSol-ClassificationSolution_O "Erstellt eine Klassifizierungslösung.")Dient zum Erstellen eines Klassifizierungslösungsobjekts.
4. Fügen Sie das Lösungsobjekt dem Speicher der Klassifizierungslösung mit hinzu [ClassificationSolutionStore -- add()](https://servicenow-prod.fluidtopics.net/lKUflGIvrspvnOnRAJXOXw#ClassificationStore-add_O "Fügt eine neue Lösung hinzu Objekt für den Store und gibt einen eindeutigen Namen zurück.")Methode.
5. Trainieren Sie die Lösung mit [SubmitTrainingJob()](https://servicenow-prod.fluidtopics.net/ohCw_EFlm3nnOqTLdNg7GQ#ClassifictnSol-submitTrainingJob "Übermittelt einen Schulungsauftrag.")Methode. Dadurch wird eine Version des Objekts erstellt, das Sie mit verwalten können [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/ugSBUf6BBxgeKOIYF9dbTA#ClassificationSolutionVersionAPI "Die ClassificationSolutionVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.")API.
6. Rufen Sie Vorhersagen mit ab [ClassificationSolutionVersion -- Predict()](https://servicenow-prod.fluidtopics.net/ugSBUf6BBxgeKOIYF9dbTA#ClssfnV-predict_O_O "Ruft die Eingabedaten für eine Vorhersage ab.")Methode.

{#ClassificationSolutionAPI__ol_mmm_n1c_dmb}  
Hinweis:  
Diese API wird ausgeführt Mit vollständigen Berechtigungen vor Washington DCPatch 7-Release. Gewähren Sie nach diesem Release Zugriff mithilfe von ACLs. Weitere Informationen finden Sie unter [Query ACLs](https://www.servicenow.com/docs/access?context=query-acl-rule&version=yokohama&pubname=yokohama-platform-security&ft:locale=en-US).

Nutzungsrichtlinien finden Sie unter [Mit ML-APIs](https://www.servicenow.com/docs/access?context=using-ml-apis&version=yokohama&pubname=yokohama-intelligent-experiences&ft:locale=en-US).

## ClassificationSolution -- ClassificationSolution (Objektkonfiguration) {#ariaid-title2}

Erstellt eine Klassifizierungslösung.
{#ClassifictnSol-ClassificationSolution_O__table_gm2_yt5_flb__entry__3}{#ClassifictnSol-ClassificationSolution_O__solution-obj-domainN-default}{#ClassifictnSol-ClassificationSolution_O__solution-obj-lang-desc}{#ClassifictnSol-ClassificationSolution_O__solution-obj-stop-desc}

| Name | Typ | Beschreibung |
|-|-|-|
| Konfiguration | Objekt | JavaScript-Objekt, das Konfigurationseigenschaften von enthält Lösung. { "algorithmConfig": {Object}, "dataset": {Object}, "domainName": "String", "encoder": {Object}, "groupByFieldName": "String", "inputFieldNames": [Array], "label": "String", "minRowCount": "String", "predictedFieldName": "String", "processingLanguage": "String", "stopwords": [Array], "trainingFrequency": "String" } |
| Config.algorithmConfig | Objekt | JavaScript-Objekt mit Algorithmuskonfigurationseigenschaften. 'algorithmConfig' : { "algorithm": "String", "targetClassRecall": "String" } |
| Config.algorithmConfig.algorithmus | Zeichenfolge | Methode zum Codieren Ihrer Lösung. Mögliche Werte: * xgboost: XGBoost-Codierung, um das Training zu optimieren. * logisticRegression: Methode, die das logistische Regressionsmodell für kategorische Ziele wie nominal oder Ordnungszahl verwendet. {#ClassifictnSol-ClassificationSolution_O__ul_wtd_l2k_xlb} |
| Config.algorithmConfig.targetClassRückruf | Zeichenfolge | Wendet einen Klassenrückrufparameter an, um das Training einer Lösung so zu steuern, dass eine bestimmte Klasse verzerrt wird. Format ist `„<ClassName:RecallValue>" `Wobei der Rückrufwert eine Zahl zwischen 0 und 100 ist, die einen Prozentsatz darstellt. Um diesen Lösungsparameter beispielsweise für alle Datensätze festzulegen und auf die 90 %-Genauigkeit anzuwenden, die Sie in der E-Mail-Klasse trainieren, wird der Wert auf festgelegt `„E-Mail:90" `. |
| Config.datensatz | Objekt | [Datendefinition](https://servicenow-prod.fluidtopics.net/P8pkp_FhlIJCSLrp2tVuyA#DatasetDefinitionAPI "Die Datendefinition API stellt Methoden zur Identifizierung bereit Ein Satz von Datensätzen, einschließlich Tabellenname, Spalten und Zeilenauswahlkriterien, die als Eingabe für ML-Trainingsalgorithmen verwendet werden sollen. Datensätze enthalten nicht die tatsächlichen Daten.")Name. |
| Config.domainName | Zeichenfolge | Optional. Domänenname, der diesem Datensatz zugeordnet ist. Siehe [Domänentrennung und Predictive Intelligence](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=yokohama&pubname=yokohama-intelligent-experiences&ft:locale=en-US). Standard: Aktuelle Domäne, z. B. `„Global" `. |
| Config.encoder | Objekt | Optional. Trainiertes Encoderobjekt, das dieser Lösung zugewiesen werden soll.Siehe [Encoder -- Encoder (Objektkonfiguration)](https://servicenow-prod.fluidtopics.net/ncoTmwylbzXEwXVmPzAZcw#Encoder-Encoder_O "Erstellt einen Encoder."). |
| config.groupByFieldName | Zeichenfolge | Optional. Feldname, nach dem das System Datensätze gruppiert, um Klassifizierungslösungen zu erstellen.Nutzungsinformationen finden Sie unter [„Gruppieren nach" wird für die Klassifizierung verwendet](https://www.servicenow.com/docs/access?context=using-group-by-for-classification&version=yokohama&pubname=yokohama-intelligent-experiences&ft:locale=en-US). |
| config.inputFieldNames | Array | Liste der Eingabefeldnamen als Zeichenfolgen. Das Modell verwendet diese Felder, die für Vorhersagen verwendet werden. |
| Config.label | Zeichenfolge | Gibt die Vorhersageaufgabe an. |
| Config.minZeilenanzahl | Zeichenfolge | Optional. Mindestanzahl von Datensätzen, die im Datensatz für das Training erforderlich sind. Standard: 10000 |
| Config.predictedFieldName | Zeichenfolge | Gibt ein Feld an, das auf Vorhersehbarkeit trainiert werden soll. |
| config.processingLanguage | Zeichenfolge | Optional. Sprache wird im zweistelligen ISO 639-1-Sprachcodeformat verarbeitet. Standard: „en" |
| Config.stopwords | Array | Optional. Voreingestellte Liste von Zeichenfolgen, die das System automatisch basierend auf generiert languageEigenschaftseinstellung. Weitere Informationen finden Sie unter [Erstellen Sie eine anwenderdefinierte Stoppwortliste](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=yokohama&pubname=yokohama-intelligent-experiences&ft:locale=en-US). Standard: Englische Stoppwörter |
| Config.trainingHäufigkeit | Zeichenfolge | Die Häufigkeit zum erneuten Trainieren des Modells. Mögliche Werte: * Every_30_days * Every_60_days * Every_90_days * Every_120_days * Every_180_days * Run_once {#ClassifictnSol-ClassificationSolution_O__ul_pmw_523_plb}Standard: Run_once |
[Tabelle : 1. Parameter]

{#ClassifictnSol-ClassificationSolution_O__table_gm2_yt5_flb}  
Das folgende Beispiel zeigt, wie ein Objekt erstellt und zu hinzugefügt wird ClassificationSolution Store.

    var myData = new sn_ml.DatasetDefinition(
      { 
         'tableName' : 'incident', 
         'fieldNames' : ['category', 'short_description', 'priority'],
         'fieldDetails' : [
           {
             'name' : 'category',
             'type' : 'nominal'
           },
           {
             'name' : 'short_description',
             'type' : 'text'
           }], 
         'encodedQuery' : 'activeANYTHING'
      });

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

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

## ClassificationSolution -- cancelTrainingJob() {#ariaid-title3}

Bricht einen Auftrag für ab Ein Lösungsobjekt Das zum Training übermittelt wurde.
{#ClassifictnSol-cancelTrainingJob__table_bpb_k3z_llb__entry__3}

| Name | Typ | Beschreibung |
|-|-|-|
| Keine |   |   |
[Tabelle : 2. Parameter]

{#ClassifictnSol-cancelTrainingJob__table_bpb_k3z_llb} {#ClassifictnSol-cancelTrainingJob__table_cpb_k3z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Keine |   |
[Tabelle : 3. Rückgaben]

{#ClassifictnSol-cancelTrainingJob__table_cpb_k3z_llb}  
Das folgende Beispiel zeigt, wie ein vorhandener Schulungsauftrag abgebrochen wird.

    var mySolution = sn_ml.ClassificationSolutionStore.get('ml_sn_global_global_classification');

    mySolution.cancelTrainingJob();

## ClassificationSolution -- getActiveVersion() {#ariaid-title4}

Ruft die aktiven ab ClassificationSolutionVersion Objekt.
{#ClassifictnSol-getActiveVersion__table_tvl_m3z_llb__entry__3}

| Name | Typ | Beschreibung |
|-|-|-|
| Keine |   |   |
[Tabelle : 4. Parameter]

{#ClassifictnSol-getActiveVersion__table_tvl_m3z_llb} {#ClassifictnSol-getActiveVersion__table_uvl_m3z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | Aktiv [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/ugSBUf6BBxgeKOIYF9dbTA#ClassificationSolutionVersionAPI "Die ClassificationSolutionVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.")Objekt. |
[Tabelle : 5. Rückgaben]

{#ClassifictnSol-getActiveVersion__table_uvl_m3z_llb}  
Das folgende Beispiel zeigt, wie ein aktiver abgerufen wird KlassifizierungLösung Version aus dem Store und gibt den Schulungsstatus zurück.

    var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_classification');

    gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getStatus()), null, 2));

Ausgabe:

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

## ClassificationSolution -- getAllVersions() {#ariaid-title5}

Ruft alle Versionen von ab Eine Klassifizierungslösung.
{#ClassifictnSol-getAllVersions__table_tvl_m3z_llb__entry__3}

| Name | Typ | Beschreibung |
|-|-|-|
| Keine |   |   |
[Tabelle : 6. Parameter]

{#ClassifictnSol-getAllVersions__table_tvl_m3z_llb} {#ClassifictnSol-getAllVersions__table_uvl_m3z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Array | Vorhandene Versionen eines Lösungsobjekts. Siehe auch [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/ugSBUf6BBxgeKOIYF9dbTA#ClassificationSolutionVersionAPI "Die ClassificationSolutionVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.")API. |
[Tabelle : 7. Rückgaben]

{#ClassifictnSol-getAllVersions__table_uvl_m3z_llb}  
Das folgende Beispiel zeigt, wie alle abgerufen werden KlassifizierungLösung Versionsobjekte und rufen Sie auf GetVersionNumber() Und GetStatus() Lösungsversionsmethoden darauf.

    var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_classification');

    var mlSolutionVersions = mlSolution.getAllVersions();

    for (i = 0; i < mlSolutionVersions.length; i++) {
    gs.print("Version " + mlSolutionVersions[i].getVersionNumber() + " Status: " + mlSolutionVersions[i].getStatus() +"\n");
    };

Ausgabe:

    Version 3 Status: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"}

    Version 2 Status: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"}

    Version 1 Status: {"state":"solution_cancelled","percentComplete":"0","hasJobEnded":"true"}

## ClassificationSolution -- getLatestVersion() {#ariaid-title6}

Ruft die neueste Version von ab Eine Lösung.
{#ClassifictnSol-getLatestVersion__table_tvl_m3z_llb__entry__3}

| Name | Typ | Beschreibung |
|-|-|-|
| Keine |   |   |
[Tabelle : 8. Parameter]

{#ClassifictnSol-getLatestVersion__table_tvl_m3z_llb} {#ClassifictnSol-getLatestVersion__table_uvl_m3z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/ugSBUf6BBxgeKOIYF9dbTA#ClassificationSolutionVersionAPI "Die ClassificationSolutionVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.") Objekt, das der neuesten Version von entsprichtA [KlassifizierungSolution()](https://servicenow-prod.fluidtopics.net/ohCw_EFlm3nnOqTLdNg7GQ#ClassifictnSol-ClassificationSolution_O "Erstellt eine Klassifizierungslösung."). |
[Tabelle : 9. Rückgaben]

{#ClassifictnSol-getLatestVersion__table_uvl_m3z_llb}  
Das folgende Beispiel zeigt, wie Sie die neueste Version von abrufen Eine Lösung und gibt ihren Schulungsstatus zurück.{#ClassifictnSol-getLatestVersion__mlsol-getLatestVersion-example}

    var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_classification');

    gs.print(JSON.stringify(JSON.parse(mlSolution.getLatestVersion().getStatus()), null, 2));

Ausgabe:

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

## ClassificationSolution -- getName() {#ariaid-title7}

Ruft den Namen des Objekts ab, das für die Interaktion mit dem Store verwendet werden soll.
{#ClassifictnSol-getName__table_pps_43z_llb__entry__3}

| Name | Typ | Beschreibung |
|-|-|-|
| Keine |   |   |
[Tabelle : 10. Parameter]

{#ClassifictnSol-getName__table_pps_43z_llb} {#ClassifictnSol-getName__table_qps_43z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Zeichenfolge | Name des Lösungsobjekts. |
[Tabelle : 11. Rückgaben]

{#ClassifictnSol-getName__table_qps_43z_llb}  
Das folgende Beispiel zeigt, wie aktualisiert wird KlassifizierungLösung Datensatzinformationen, und drucken Sie den Namen des Objekts aus.

    // Update solution
    var myIncidentData = new sn_ml.DatasetDefinition({
       'tableName' : 'incident',
       'fieldNames' : ['category', 'short_description', 'priority'],
       'encodedQuery' : 'activeANYTHING'
    });

    var eligibleFields = JSON.parse(myIncidentData.getEligibleFields('classification'));

    var myClassification = new sn_ml.ClassificationSolution({
       'label': "my classification solution",
       'dataset' : myIncidentData,
       'inputFieldNames': eligibleFields['eligibleInputFieldNames'],
       'predictedFieldName': 'category'
    });

    // update solution
    sn_ml.ClassificationSolutionStore.update('ml_x_snc_global_global_my_solution_definition_4', myClassification);

    // print solution name
    gs.print('Solution Name: '+myClassification.getName());

Ausgabe:

    Solution Name: ml_x_snc_global_global_my_solution_definition_4

## ClassificationSolution -- getProperties() {#ariaid-title8}

Ruft Lösungsobjekteigenschaften ab.
{#ClassifictnSol-getProperties__table_pps_43z_llb__entry__3}

| Name | Typ | Beschreibung |
|-|-|-|
| Keine |   |   |
[Tabelle : 12. Parameter]

{#ClassifictnSol-getProperties__table_pps_43z_llb} {#ClassifictnSol-getProperties__table_qps_43z_llb__entry__2}{#ClassifictnSol-getProperties__classification-obj-group-desc}

| Typ | Beschreibung |
|-|-|
| Objekt | Inhalt des Datensatzes und [KlassifizierungSolution()](https://servicenow-prod.fluidtopics.net/ohCw_EFlm3nnOqTLdNg7GQ#ClassifictnSol-ClassificationSolution_O "Erstellt eine Klassifizierungslösung.")Objektdetails in [ClassificationSolutionStore](https://servicenow-prod.fluidtopics.net/lKUflGIvrspvnOnRAJXOXw#ClassificationSolutionStoreAPI "Aktiviert das Speichern und Abrufen Lösungen."). { "algorithmConfig": { "algorithm": "String", "targetClassRecall": "String" }, "datasetProperties": {Object}, "domainName": "String", "encoder": {Object}, "groupByFieldName": "String", "inputFieldNames": [Array], "label": "String", "name": "String", "predictedFieldName": "String", "processingLanguage": "String", "scope": "String", "stopwords": [Array], "trainingFrequency": "String" } |
| \<Object\>.AlgorithmConfig | Methode zum Codieren der Lösung. Datentyp: Objekt. |
| \<Object\>.AlgorithmConfig.algorithmus | Name des Codierungsalgorithmus für das Trainieren dieser Lösung. Mögliche Werte: * xgboost: XGBoost-Codierung, um das Training zu optimieren. * logisticRegression: Methode, die das logistische Regressionsmodell für kategorische Ziele wie nominal oder Ordnungszahl verwendet. {#ClassifictnSol-getProperties__ul_wtd_l2k_xlb} Datentyp: Zeichenfolge. |
| \<Object\>.AlgorithmConfig.targetClassRückruf | Klassenrückrufparameter, um das Training einer Lösung so zu steuern, dass eine bestimmte Klasse verzerrt wird. Der Rückrufwert ist eine Zahl zwischen 0 und 100, die einen Prozentsatz darstellt. Datentyp: Zeichenfolge |
| \<Object\>.DatasetProperties | Listet die Eigenschaften von auf [Datendefinition()](https://servicenow-prod.fluidtopics.net/P8pkp_FhlIJCSLrp2tVuyA#DDef-DatasetDefinition_O "Erstellt eine Instanz von Datendefinition Klasse, mit der Sie einen Datensatz nach Tabellenname, Feldern und Abfrage definieren können.")Objekt, das der Lösung zugeordnet ist. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } Datentyp: Objekt. |
| \<Object\>.DatasetProperties.tableName | Name der Tabelle für den Datensatz. Beispiel: `„Tabellenname": „Incident" `. Datentyp: Zeichenfolge. |
| \<Object\>.DatasetProperties.Feldnamen | Liste der Feldnamen aus der angegebenen Tabelle als Zeichenfolgen. Beispiel: `„Feldnamen": ["short_description", "Priorität"] `. Datentyp: Array. |
| \<Object\>.DatasetProperties.fieldnames.fieldDetails | Liste der JavaScript-Objekte, die Feldeigenschaften angeben. [ { "name": "String", "type": "String" } ] Datentyp: Array. |
| \<Object\>.DatasetProperties.fieldnames.fieldDetails. \<object\>.Name | Name des Felds, das den Typ der Informationen definiert, auf die dieser Datensatz beschränkt werden soll. Datentyp: Zeichenfolge. |
| \<Object\>.DatasetProperties.fieldDetails. \<object\>.Typ | Feldtyp für maschinelles Lernen. Datentyp: Zeichenfolge. |
| \<Object\>.DatasetProperties.fieldDetails.encodedQuery | Codierte Abfragezeichenfolge im Standard-Glide-Format. Siehe [Codierte Abfragezeichenfolgen](https://www.servicenow.com/docs/access?context=c_EncodedQueryStrings&version=yokohama&pubname=yokohama-platform-user-interface&ft:locale=en-US). Datentyp: Zeichenfolge. |
| \<Object\>.Domänenname | Domänenname, der diesem Datensatz zugeordnet ist. Siehe [Domänentrennung und Predictive Intelligence](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=yokohama&pubname=yokohama-intelligent-experiences&ft:locale=en-US). Datentyp: Zeichenfolge. |
| \<Object\>.Encoder | Encoderobjekt, das dieser Lösung zugewiesen ist.Siehe [Encoder -- Encoder (Objektkonfiguration)](https://servicenow-prod.fluidtopics.net/ncoTmwylbzXEwXVmPzAZcw#Encoder-Encoder_O "Erstellt einen Encoder."). Datentyp: Objekt. |
| \<Object\>.GroupByFieldName | Feldname, nach dem das System Datensätze gruppiert, um Klassifizierungslösungen zu erstellen. Datentyp: Zeichenfolge |
| \<Object\>.InputFieldNames | Liste der Eingabefeldnamen als Zeichenfolgen. Das Modell verwendet diese Felder, die für Vorhersagen verwendet werden. Datentyp: Zeichenfolge. |
| \<Object\>.Bezeichnung | Gibt die Vorhersageaufgabe an. { "label": "my first prediction" } Datentyp: Zeichenfolge. |
| \<Object\>.Name | Vom System zugewiesener Name. Datentyp: Zeichenfolge. |
| \<Object\>.PredictedFieldName | Gibt ein Feld an, das auf Vorhersehbarkeit trainiert werden soll. Datentyp: Zeichenfolge. |
| \<Object\>.ProcessingLanguage | Sprache wird im zweistelligen ISO 639-1-Sprachcodeformat verarbeitet. Datentyp: Zeichenfolge. |
| \<Object\>.Umfang | Objektbereich. Derzeit ist der einzige gültige Wert `Global `. Datentyp: Zeichenfolge |
| \<Object\>.Stoppwörter | Optional. Voreingestellte Liste von Zeichenfolgen, die das System automatisch basierend auf generiert languageEigenschaftseinstellung. Weitere Informationen finden Sie unter [Erstellen Sie eine anwenderdefinierte Stoppwortliste](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=yokohama&pubname=yokohama-intelligent-experiences&ft:locale=en-US). Datentyp: Array. |
| \<Object\>.TrainingHäufigkeit | Die Häufigkeit zum erneuten Trainieren des Modells. Mögliche Werte: * Every_30_days * Every_60_days * Every_90_days * Every_120_days * Every_180_days * Run_once {#ClassifictnSol-getProperties__ul_pmw_523_plb}Standard: Run_once Datentyp: Zeichenfolge. |
[Tabelle : 13. Rückgaben]

{#ClassifictnSol-getProperties__table_qps_43z_llb}  
Das folgende Beispiel ruft Eigenschaften von ab Ein Lösungsobjekt Im Store. {#ClassifictnSol-getProperties__mlsol-getProps-example-other2}

    var mySolution = sn_ml.ClassificationSolutionStore.get('ml_sn_global_global_classification_solution');

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

Ausgabe:

    *** Script: {
      "datasetProperties": {
        "tableName": "incident",
        "fieldNames": [
          "category",
          "short_description",
          "priority",
          "assignment_group.name"
        ],
        "fieldDetails": [
          {
            "name": "category",
            "type": "nominal"
          },
          {
            "name": "short_description",
            "type": "text"
          }
        ]
      },
      "domainName": "global",
      "inputFieldNames": [
        "short_description"
      ],
      "label": "my solution definition",
      "name": "ml_x_snc_global_global_my_solution_definition_26",
      "predictedFieldName": "category",
      "processingLanguage": "en",
      "scope": "global",
      "stopwords": [
        "Default English Stopwords"
      ],
      "trainingFrequency": "run_once"
    }

## ClassificationSolution -- getVersion (Zeichenfolgenversion) {#ariaid-title9}

Ruft eine Lösung ab Nach angegebener Versionsnummer.
{#ClassifictnSol-getVersion_S__table_pps_43z_llb__entry__3}{#ClassifictnSol-getVersion_S__mlsol-gerversion-returns-other}

| Name | Typ | Beschreibung |
|-|-|-|
| Version | Zeichenfolge | Vorhandene Versionsnummer von Eine Lösung. |
[Tabelle : 14. Parameter]

{#ClassifictnSol-getVersion_S__table_pps_43z_llb} {#ClassifictnSol-getVersion_S__table_qps_43z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | Angegebene Version von [KlassifizierungSolution()](https://servicenow-prod.fluidtopics.net/ohCw_EFlm3nnOqTLdNg7GQ#ClassifictnSol-ClassificationSolution_O "Erstellt eine Klassifizierungslösung.")Objekt, für das Sie anrufen können [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/ugSBUf6BBxgeKOIYF9dbTA#ClassificationSolutionVersionAPI "Die ClassificationSolutionVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.")API-Methoden. |
[Tabelle : 15. Rückgaben]

{#ClassifictnSol-getVersion_S__table_qps_43z_llb}  
Das folgende Beispiel zeigt, wie der Schulungsstatus von abgerufen wird Eine Lösung nach Versionsnummer.{#ClassifictnSol-getVersion_S__mlsol-gerversion-example-other}

    var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_classification');

    gs.print(JSON.stringify(JSON.parse(mlSolution.getVersion('1').getStatus()), null, 2));

Ausgabe:

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

## ClassificationSolution -- setActiveVersion (Zeichenfolgenversion) {#ariaid-title10}

Aktiviert eine angegebene Version einer Lösung im Store.
{#ClassifictnSol-setActiveVersion_S__table_pps_43z_llb__entry__3}

| Name | Typ | Beschreibung |
|-|-|-|
| Version | Zeichenfolge | Name von [KlassifizierungSolution()](https://servicenow-prod.fluidtopics.net/ohCw_EFlm3nnOqTLdNg7GQ#ClassifictnSol-ClassificationSolution_O "Erstellt eine Klassifizierungslösung.")Zu aktivierende Objektversion. Durch Aktivieren dieser Version wird jede andere Version deaktiviert. |
[Tabelle : 16. Parameter]

{#ClassifictnSol-setActiveVersion_S__table_pps_43z_llb} {#ClassifictnSol-setActiveVersion_S__table_qps_43z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Keine |   |
[Tabelle : 17. Rückgaben]

{#ClassifictnSol-setActiveVersion_S__table_qps_43z_llb}  
Das folgende Beispiel zeigt, wie aktiviert wird Eine Lösung Version im Store. {#ClassifictnSol-setActiveVersion_S__mlsol-setActive-example2}

    sn_ml.ClassificationSolution.setActiveVersion("ml_incident_categorization");

## ClassificationSolution -- submitTrainingJob() {#ariaid-title11}

Übermittelt einen Schulungsauftrag.
Hinweis:  
Bevor Sie diese Methode ausführen, müssen Sie dem Store zuerst eine Lösung hinzufügen, indem Sie verwenden [ClassificationSolutionStore -- add()](https://servicenow-prod.fluidtopics.net/lKUflGIvrspvnOnRAJXOXw#ClassificationStore-add_O "Fügt eine neue Lösung hinzu Objekt für den Store und gibt einen eindeutigen Namen zurück.")Methode.
{#ClassifictnSol-submitTrainingJob__table_xmd_33z_llb__entry__3}

| Name | Typ | Beschreibung |
|-|-|-|
| Keine |   |   |
[Tabelle : 18. Parameter]

{#ClassifictnSol-submitTrainingJob__table_xmd_33z_llb} {#ClassifictnSol-submitTrainingJob__table_ymd_33z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/ugSBUf6BBxgeKOIYF9dbTA#ClassificationSolutionVersionAPI "Die ClassificationSolutionVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.") Objekt, das dem entspricht [KlassifizierungLösung](https://servicenow-prod.fluidtopics.net/ohCw_EFlm3nnOqTLdNg7GQ#ClassifictnSol-ClassificationSolution_O "Erstellt eine Klassifizierungslösung.") Wird trainiert. |
[Tabelle : 19. Rückgaben]

{#ClassifictnSol-submitTrainingJob__table_ymd_33z_llb}  
Das folgende Beispiel zeigt, wie Sie einen Datensatz erstellen und auf anwenden Eine Lösung, fügen Sie die Lösung hinzu An einen Store und übermitteln Sie den Schulungsauftrag. {#ClassifictnSol-submitTrainingJob__mlsol-submit-example-nonSol2}

    // Create a dataset 
    var myData = new sn_ml.DatasetDefinition({

      'tableName' : 'incident',
      'fieldNames' : ['assignment_group', 'short_description', 'description'],
      'encodedQuery' : 'activeANYTHING'

    });

    // Create a solution 
    var mySolution = new sn_ml.ClassificationSolution({

      'label': "my solution definition",
      'dataset' : myData,
      'predictedFieldName' : 'assignment_group',
      'inputFieldNames':['short_description']

    });

    // Add the solution to the store to later be able to retrieve it.
    var my_unique_name = sn_ml.ClassificationSolutionStore.add(mySolution);

    // Train the solution - this is a long running job 
    var myClassifierVersion = mySolution.submitTrainingJob();


