---
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


---

# Encoder -- Global

# Encoder -- Global {#ariaid-title1}

* Freigeben Version: Yokohama
* 
* Aktualisiert 30. Januar 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 7 Minuten Lesedauer

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.

Diese(s) API erfordert Predictive IntelligencePlugin (com.glide.platform_ml) und wird in bereitgestellt `sn_ml `Namespace.

Encoder sind Textverarbeitungsobjekte, die entweder vortrainiert oder basierend auf den von Ihnen angegebenen Sprachdatensätzen trainiert werden. Sie können Encoder trainieren, die bestimmen, wie das System Textfelder interpretiert und verarbeitet. Für ML-Lösungen, die Text enthalten, können Sie einen Encoder trainieren, um anzugeben, wie Text verarbeitet werden soll, und den trainierten Encoder in einer Lösung verwenden.

Encoder haben Konfiguration und Versionen und können unabhängig mit ihrer eigenen Wiederholungshäufigkeit trainiert werden. API-definierte Encoder unterscheiden sich von UI-definierten Encodern, da das erneute Trainieren von UI-definierten Encodern von den Lösungen gesteuert wird, die sie verwenden.  
Der Flow „Encoder-Setup-to-Training" lautet wie folgt:

1. Erstellen Sie einen oder mehrere Datensätze 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. Verwenden Sie [Konstruktor](https://servicenow-prod.fluidtopics.net/ncoTmwylbzXEwXVmPzAZcw#Encoder-Encoder_O "Erstellt einen Encoder.")Dient zum Erstellen eines Encoderobjekts.
3. Fügen Sie dem Encoderspeicher das Encoderobjekt mit hinzu [EncoderStore -- add()](https://servicenow-prod.fluidtopics.net/OdVk3csoeh4kWhQPxVSopA#EncoderStore-add_O "Fügt einen neuen Encoder hinzu Objekt für den Store und gibt einen eindeutigen Namen zurück.")Methode.
4. Codierer mit trainieren [SubmitTrainingJob()](https://servicenow-prod.fluidtopics.net/ncoTmwylbzXEwXVmPzAZcw#Encoder-submitTrainingJob "Übermittelt einen Schulungsauftrag.")Methode. Dadurch wird eine Version des Objekts erstellt, das Sie mit verwalten können [EncoderVersion](https://servicenow-prod.fluidtopics.net/PWyIe2OmHry60P8TXi8ocA#EncoderVersionAPI "Die EncoderVersion Die API stellt ein skriptfähiges Objekt bereit, das in verwendet wird Predictive IntelligenceSpeichert.")API.

{#EncoderAPI__ol_aqf_1xt_2mb}Sobald Sie einen Encoder trainiert haben, können Sie ihn in einem Lösungsobjekt verwenden:

* [KlassifizierungLösung](https://servicenow-prod.fluidtopics.net/ohCw_EFlm3nnOqTLdNg7GQ#ClassificationSolutionAPI "Die KlassifizierungLösung API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.")
* [ClusteringSolution](https://servicenow-prod.fluidtopics.net/QZIIopgS3YcqyOlnAMV4eQ#ClusteringSolutionAPI "Die ClusteringSolution API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.")(Erforderlich, es sei denn, der Levenshtein-Entfernungsalgorithmus wird verwendet)
* [RegressionSolution](https://servicenow-prod.fluidtopics.net/_VmjKfLkbwk8rdRexlr1Wg#RegressionSolutionAPI "Die RegressionSolution API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.")
* [Gleichzeitigkeitslösung](https://servicenow-prod.fluidtopics.net/IG9IOSG~2LSq75jU9xPEcw#SimilaritySolutionAPI "Die Gleichzeitigkeitslösung API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.")(Erforderlich)

{#EncoderAPI__ul_v1k_kzq_bmb}  
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).

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

Erstellt einen Encoder.
Um einen Encoder für einen oder mehrere Datensätze abzurufen, verwenden Sie diesen Konstruktor, um ein neues Encoderobjekt mit einem eindeutigen Namen zu erstellen.
{#Encoder-Encoder_O__table_gm2_yt5_flb__entry__3}{#Encoder-Encoder_O__solution-obj-domainN-default}{#Encoder-Encoder_O__solution-obj-lang-desc}{#Encoder-Encoder_O__solution-obj-stop-desc}

| Name | Typ | Beschreibung |
|-|-|-|
| Konfiguration | Objekt | JavaScript-Objekt, das Konfigurationseigenschaften von enthält Encoder. { "algorithmConfig": {Object}, "datasets": [Array], "domainName": "String", "label": "String", "minRowCount": "String", "processingLanguage": "String", "stopwords": [Array], "trainingFrequency": "String" } |
| Config.algorithmConfig | Objekt | Optional. JavaScript-Objekt mit Algorithmuskonfigurationseigenschaften. 'algorithmConfig' : { "algorithm": "String" } |
| Config.algorithmConfig.algorithmus | Zeichenfolge | Name des Algorithmus zum Trainieren dieses Encoders. Mögliche Werte: * paravec: Worteinbettung des Absatzvektors. * tf-idf: Begriffshäufigkeit: Text auf Basis der inversen Dokumenthäufigkeit (TF-IDF). {#Encoder-Encoder_O__ul_encoder_alg_vals} |
| Config.Datengruppen | Array | Liste von [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.")Objektnamen. |
| 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.label | Zeichenfolge | Gibt die Vorhersageaufgabe an. |
| Config.minZeilenanzahl | Zeichenfolge | Optional. Mindestanzahl von Datensätzen, die im Datensatz für das Training erforderlich sind. Standard: 10000 |
| 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 {#Encoder-Encoder_O__ul_pmw_523_plb}Standard: Run_once |
[Tabelle : 1. Parameter]

{#Encoder-Encoder_O__table_gm2_yt5_flb}  
Das folgende Beispiel zeigt, wie ein Encoderauftrag erstellt und dem Encoderspeicher hinzugefügt wird.

    var myPrbData = new sn_ml.DatasetDefinition({
        'tableName' : 'problem',
        'fieldNames' : ['short_description'],
        'encodedQuery' : 'activeANYTHING'
    });

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

    var myEncoder = new sn_ml.Encoder({
        'label': "encoder",
        'datasets' : [myPrbData, myIncidentData],
        'algorithmConfig' : {
            'algorithm' : 'tf-idf'
        }
    });
    var myEncoderName = sn_ml.EncoderStore.add(myEncoder);

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

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

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

{#Encoder-cancelTrainingJob__table_bpb_k3z_llb} {#Encoder-cancelTrainingJob__table_cpb_k3z_llb__entry__2}

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

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

    var myEncoder = sn_ml.EncoderStore.get('ml_sn_global_global_encoder');

    myEncoder.cancelTrainingJob();

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

Ruft die aktiven ab EncoderVersion-Objekt.
{#Encoder-getActiveVersion__table_tvl_m3z_llb__entry__3}

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

{#Encoder-getActiveVersion__table_tvl_m3z_llb} {#Encoder-getActiveVersion__table_uvl_m3z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | Aktiv [EncoderVersion](https://servicenow-prod.fluidtopics.net/PWyIe2OmHry60P8TXi8ocA#EncoderVersionAPI "Die EncoderVersion Die API stellt ein skriptfähiges Objekt bereit, das in verwendet wird Predictive IntelligenceSpeichert.")Objekt. |
[Tabelle : 5. Rückgaben]

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

    var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder');

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

Ausgabe:

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

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

Ruft alle Versionen von ab Ein Encoder.
{#Encoder-getAllVersions__table_tvl_m3z_llb__entry__3}

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

{#Encoder-getAllVersions__table_tvl_m3z_llb} {#Encoder-getAllVersions__table_uvl_m3z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Array | Vorhandene Versionen eines Encoderobjekts. Siehe auch [EncoderVersion](https://servicenow-prod.fluidtopics.net/PWyIe2OmHry60P8TXi8ocA#EncoderVersionAPI "Die EncoderVersion Die API stellt ein skriptfähiges Objekt bereit, das in verwendet wird Predictive IntelligenceSpeichert.")API. |
[Tabelle : 7. Rückgaben]

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

    var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder');

    var mlEncoderVersions = mlEncoder.getAllVersions();

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

Ausgabe:

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

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

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

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

Ruft die neueste Version von ab Ein Encoder.
{#Encoder-getLatestVersion__table_tvl_m3z_llb__entry__3}

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

{#Encoder-getLatestVersion__table_tvl_m3z_llb} {#Encoder-getLatestVersion__table_uvl_m3z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | [EncoderVersion](https://servicenow-prod.fluidtopics.net/PWyIe2OmHry60P8TXi8ocA#EncoderVersionAPI "Die EncoderVersion Die API stellt ein skriptfähiges Objekt bereit, das in verwendet wird Predictive IntelligenceSpeichert.") Objekt, das der neuesten Version von entsprichtEin [Encoder()](https://servicenow-prod.fluidtopics.net/ncoTmwylbzXEwXVmPzAZcw#Encoder-Encoder_O "Erstellt einen Encoder."). |
[Tabelle : 9. Rückgaben]

{#Encoder-getLatestVersion__table_uvl_m3z_llb}  
Das folgende Beispiel zeigt, wie Sie die neueste Version von abrufen Ein Encoder und gibt seinen Trainingsstatus zurück.

    var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder');

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

Ausgabe:

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

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

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

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

{#Encoder-getName__table_pps_43z_llb} {#Encoder-getName__table_qps_43z_llb__entry__2}

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

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

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

    var eligibleFields = JSON.parse(myIncidentData.getEligibleFields(encoder));

    var myEncoder = new sn_ml.Encoder({
       'label': "my encoder",
       'datasets' : [myIncidentData],
       'inputFieldNames': eligibleFields['eligibleInputFieldNames'],
       'predictedFieldName': 'category'
    });

    // update encoder
    sn_ml.EncoderStore.update('ml_x_snc_global_global_my_definition_4', myEncoder);

    // print encoder name
    gs.print('Encoder Name: '+myEncoder.getName());

Ausgabe:

    Encoder Name: ml_x_snc_global_global_my_definition_4

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

Ruft Lösungsobjekteigenschaften ab.
{#Encoder-getProperties__table_pps_43z_llb__entry__3}

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

{#Encoder-getProperties__table_pps_43z_llb} {#Encoder-getProperties__table_qps_43z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | Inhalt des Datensatzes und [Encoder()](https://servicenow-prod.fluidtopics.net/ncoTmwylbzXEwXVmPzAZcw#Encoder-Encoder_O "Erstellt einen Encoder.")Objektdetails in [EncoderStore](https://servicenow-prod.fluidtopics.net/OdVk3csoeh4kWhQPxVSopA#EncoderStoreAPI "Die EncoderStore Die API bietet Methoden zum Speichern und Abrufen von Encodern."). { "algorithmConfig" : {Object}, "datasetsProperties": [Array], "domainName": "String", "label": "String", "name": "String", "processingLanguage": "String", "scope": "String", "stopwords": [Array], "trainingFrequency": "String" } |
| \<Object\>.AlgorithmConfig.algorithmus | Name des Algorithmus zum Trainieren dieses Encoders. Mögliche Werte: * paravec: Worteinbettung des Absatzvektors. * tf-idf: Begriffshäufigkeit: Text auf Basis der inversen Dokumenthäufigkeit (TF-IDF). {#Encoder-getProperties__ul_encoder_alg_vals} Datentyp: Zeichenfolge. |
| \<Object\>.AlgorithmConfig | Optional. JavaScript-Objekt mit Algorithmuskonfigurationseigenschaften. 'algorithmConfig' : { "algorithm": "String" } Datentyp: Objekt. |
| \<Object\>.DatasetsEigenschaften | Liste von [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.")Eigenschaften, die dem Encoder zugeordnet sind. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } Datentyp: Array. |
| \<Object\>.DatasetsProperties.tableName | Name der Tabelle für den Datensatz. Beispiel: `„Tabellenname": „Incident" `. Datentyp: Zeichenfolge. |
| \<Object\>.DatenbasisEigenschaften.Feldnamen | Liste der Feldnamen aus der angegebenen Tabelle als Zeichenfolgen. Beispiel: `„Feldnamen": ["short_description", "Priorität"] `. Datentyp: Array. |
| \<Object\>.DatasetsProperties.fieldnames.fieldDetails | Liste der JavaScript-Objekte, die Feldeigenschaften angeben. [ { "name": "String", "type": "String" } ] Datentyp: Array. |
| \<Object\>.DatasetsProperties.fieldnames.fieldDetails. \<object\>.Name | Name des Felds, das den Typ der Informationen definiert, auf die dieser Datensatz beschränkt werden soll. Datentyp: Zeichenfolge. |
| \<Object\>.DatenbasisEigenschaften.Felddetails. \<object\>.Typ | Feldtyp für maschinelles Lernen. Datentyp: Zeichenfolge. |
| \<Object\>.DatasetsProperties.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\>.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 {#Encoder-getProperties__ul_pmw_523_plb}Standard: Run_once Datentyp: Zeichenfolge. |
[Tabelle : 13. Rückgaben]

{#Encoder-getProperties__table_qps_43z_llb}  
Das folgende Beispiel ruft Eigenschaften von ab Ein Encoderobjekt Im Store.

    var myEncoder = sn_ml.EncoderStore.get('ml_sn_global_global_encoder');

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

Ausgabe:

    *** Script: {
      "datasetsProperties": [
        {
          "tableName": "incident",
          "fieldNames": [
            "assignment_group",
            "short_description",
            "description"
          ],
          "encodedQuery": "activeANYTHING"
        }
      ],
      "domainName": "global",
      "label": "my encoder definition",
      "name": "ml_x_snc_global_global_my_encoder_definition",
      "processingLanguage": "en",
      "scope": "global",
      "stopwords": [
        "Default English Stopwords"
      ],
      "trainingFrequency": "run_once"
    }

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

Ruft einen Encoder ab Nach angegebener Versionsnummer.
{#Encoder-getVersion_S__table_pps_43z_llb__entry__3}

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

{#Encoder-getVersion_S__table_pps_43z_llb} {#Encoder-getVersion_S__table_qps_43z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | Angegebene Version von [Encoder()](https://servicenow-prod.fluidtopics.net/ncoTmwylbzXEwXVmPzAZcw#Encoder-Encoder_O "Erstellt einen Encoder.")Objekt, für das Sie anrufen können [EncoderVersion](https://servicenow-prod.fluidtopics.net/PWyIe2OmHry60P8TXi8ocA#EncoderVersionAPI "Die EncoderVersion Die API stellt ein skriptfähiges Objekt bereit, das in verwendet wird Predictive IntelligenceSpeichert.")API-Methoden. |
[Tabelle : 15. Rückgaben]

{#Encoder-getVersion_S__table_qps_43z_llb}  
Das folgende Beispiel zeigt, wie der Schulungsstatus von abgerufen wird Ein Encoder nach Versionsnummer.

    var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder');

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

Ausgabe:

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

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

Aktiviert eine angegebene Version eines Encoders im Speicher.
{#Encoder-setActiveVersion_S__table_pps_43z_llb__entry__3}

| Name | Typ | Beschreibung |
|-|-|-|
| Version | Zeichenfolge | Name von [Encoder()](https://servicenow-prod.fluidtopics.net/ncoTmwylbzXEwXVmPzAZcw#Encoder-Encoder_O "Erstellt einen Encoder.")Zu aktivierende Objektversion. Durch Aktivieren dieser Version wird jede andere Version deaktiviert. |
[Tabelle : 16. Parameter]

{#Encoder-setActiveVersion_S__table_pps_43z_llb} {#Encoder-setActiveVersion_S__table_qps_43z_llb__entry__2}

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

{#Encoder-setActiveVersion_S__table_qps_43z_llb}  
Das folgende Beispiel zeigt, wie aktiviert wird Ein Encoder Version im Store.

    sn_ml.Encoder.setActiveVersion("ml_incident_categorization");

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

Übermittelt einen Schulungsauftrag.
Hinweis:  
Bevor Sie diese Methode ausführen, müssen Sie dem Speicher zuerst einen Encoder hinzufügen, indem Sie verwenden [EncoderStore -- add()](https://servicenow-prod.fluidtopics.net/OdVk3csoeh4kWhQPxVSopA#EncoderStore-add_O "Fügt einen neuen Encoder hinzu Objekt für den Store und gibt einen eindeutigen Namen zurück.")Methode.
{#Encoder-submitTrainingJob__table_xmd_33z_llb__entry__3}

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

{#Encoder-submitTrainingJob__table_xmd_33z_llb} {#Encoder-submitTrainingJob__table_ymd_33z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | [EncoderVersion](https://servicenow-prod.fluidtopics.net/PWyIe2OmHry60P8TXi8ocA#EncoderVersionAPI "Die EncoderVersion Die API stellt ein skriptfähiges Objekt bereit, das in verwendet wird Predictive IntelligenceSpeichert.") Objekt, das dem entspricht [Encoder](https://servicenow-prod.fluidtopics.net/ncoTmwylbzXEwXVmPzAZcw#Encoder-Encoder_O "Erstellt einen Encoder.") Wird trainiert. |
[Tabelle : 19. Rückgaben]

{#Encoder-submitTrainingJob__table_ymd_33z_llb}  
Das folgende Beispiel zeigt, wie Sie einen Datensatz erstellen und auf anwenden Einen Encoder hinzufügen An einen Store und übermitteln Sie den Schulungsauftrag.

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

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

    });

    // Create an encoder 
    var myEncoder = new sn_ml.Encoder({

      'label': "my encoder definition",
      'datasets' : [myData],
      'predictedFieldName' : 'assignment_group',
      'inputFieldNames':['short_description']

    });

    // Add the encoder to the store to later be able to retrieve it.
    var my_unique_name = sn_ml.EncoderStore.add(myEncoder);

    // Train the encoder - this is a long running job 
    var myEncoderVersion = myEncoder.submitTrainingJob();


