---
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


---

# VorhersageabilitätEstimate -- Global

# VorhersageabilitätEstimate -- Global {#ariaid-title1}

* Freigeben Version: Yokohama
* 
* Aktualisiert 30. Januar 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 6 Minuten Lesedauer

Die VorhersageabilitätEstimate API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert. Dieses Objekt bietet eine Schätzung, wie vorhersehbare Felder eines Datensatzes sein können und welche Funktionen für die Vorhersage dieser Felder nützlich sein können.

Diese(s) API erfordert Predictive IntelligencePlugin (com.glide.platform_ml) und wird in bereitgestellt `sn_ml `Namespace.  
Der Flow „Setup-to-Training" der Vorhersagbarkeitsschätzung 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. Verwenden Sie [Konstruktor](https://servicenow-prod.fluidtopics.net/amBVbFONwX1yUwKDr0yCeQ#PrdctbltE-PredictabilityEstimate_O "Erstellt eine Vorhersagbarkeitsschätzung.")Dient zum Erstellen eines Objekts zur Vorhersagbarkeitsschätzung.
3. Fügen Sie das Objekt „Vorhersagbarkeitsschätzung" dem Speicher der Vorhersagbarkeitsschätzung mit hinzu [PredictabilityEstimateStore -- add()](https://servicenow-prod.fluidtopics.net/fv~8AjelqYc5lbw~FwtZww#PredictbltyEstStore-add_O "Fügt eine neue Vorhersagbarkeitsschätzung hinzu Objekt für den Store und gibt einen eindeutigen Namen zurück.")Methode.
4. Trainieren Sie die Vorhersagbarkeitsschätzung mit [SubmitTrainingJob()](https://servicenow-prod.fluidtopics.net/amBVbFONwX1yUwKDr0yCeQ#PrdctbltE-submitTrainingJob "Übermittelt einen Schulungsauftrag.")Methode. Dadurch wird eine Version des Objekts erstellt, das Sie mit verwalten können [VorhersageabilitätEstimateVersion](https://servicenow-prod.fluidtopics.net/nvbq2b6oOdSqD9AJjLnnQQ#PredictabilityEstimateVersionAPI "Die VorhersageabilitätEstimateVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.")API.
5. Rufen Sie geschätzte Vorhersagewerte mit ab [PredictabilityEstimateVersion -- getResults()](https://servicenow-prod.fluidtopics.net/nvbq2b6oOdSqD9AJjLnnQQ#PredictbltyEstV-getResults "Gibt JSON-Ergebnisse zurück, die vorgeschlagene Eingabefelder für ein Ausgabefeld enthalten.")Methode.

{#PredictabilityEstimateAPI__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).

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

Erstellt eine Vorhersagbarkeitsschätzung.
Um neue Vorhersagbarkeitsschätzungen für denselben Datensatz abzurufen, verwenden Sie diesen Konstruktor, um ein neues Vorhersagbarkeitsobjekt mit einem eindeutigen Namen zu erstellen.
{#PrdctbltE-PredictabilityEstimate_O__table_gm2_yt5_flb__entry__3}{#PrdctbltE-PredictabilityEstimate_O__solution-obj-domainN-default}

| Name | Typ | Beschreibung |
|-|-|-|
| Konfiguration | Objekt | JavaScript-Objekt, das Konfigurationseigenschaften von enthält Vorhersagbarkeitsschätzung. { "dataset": {Object}, "domainName": "String", "inputFieldNames": [Array], "label": "String", "minRowCount": "String", "predictedFieldName": "String", "trainingFrequency": "String" } |
| 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.inputFieldNames | Array | Liste der Kandidateneingabefelder als Zeichenfolgen, die bei der Schätzung berücksichtigt werden sollen. |
| 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.trainingHäufigkeit | Zeichenfolge | Optional. 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 {#PrdctbltE-PredictabilityEstimate_O__ul_pmw_523_plb}Standard: Run_once |
[Tabelle : 1. Parameter]

{#PrdctbltE-PredictabilityEstimate_O__table_gm2_yt5_flb}  
Das folgende Beispiel zeigt, wie Sie einen Schätzauftrag erstellen und dem PredictabilityEstimate-Speicher hinzufügen.

    var myIncidentData = new sn_ml.DatasetDefinition({
      'tableName' : 'incident',
      'encodedQuery' : 'activeANYTHING'
    });

    var myEstimate = new sn_ml.PredictabilityEstimate({
      'label': "predictability estimate",
      'dataset' : myIncidentData,
      'inputFieldNames':['short_description'], 
      'predictedFieldName': 'category'
    });

    var myEstimateName = sn_ml.PredictabilityEstimateStore.add(myEstimate);

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

Bricht einen Auftrag für ab Ein Schätzungsobjekt für Vorhersagbarkeit Das zum Training übermittelt wurde.
{#PrdctbltE-cancelTrainingJob__table_bpb_k3z_llb__entry__3}

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

{#PrdctbltE-cancelTrainingJob__table_bpb_k3z_llb} {#PrdctbltE-cancelTrainingJob__table_cpb_k3z_llb__entry__2}

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

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

    var myEstimate = sn_ml.PredictabilityEstimateStore.get('ml_sn_global_global_predictability_estimate');

    myEstimate.cancelTrainingJob();

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

Ruft die aktiven ab VorhersageabilitätEstimateVersion Objekt.
{#PrdctbltE-getActiveVersion__table_tvl_m3z_llb__entry__3}

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

{#PrdctbltE-getActiveVersion__table_tvl_m3z_llb} {#PrdctbltE-getActiveVersion__table_uvl_m3z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | Aktiv [VorhersageabilitätEstimateVersion](https://servicenow-prod.fluidtopics.net/nvbq2b6oOdSqD9AJjLnnQQ#PredictabilityEstimateVersionAPI "Die VorhersageabilitätEstimateVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.")Objekt. |
[Tabelle : 5. Rückgaben]

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

    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate');

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

Ausgabe:

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

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

Ruft alle Versionen von ab Eine Vorhersagbarkeitsschätzung.
{#PrdctbltE-getAllVersions__table_tvl_m3z_llb__entry__3}

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

{#PrdctbltE-getAllVersions__table_tvl_m3z_llb} {#PrdctbltE-getAllVersions__table_uvl_m3z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Array | Vorhandene Versionen eines Lösungsobjekts. Siehe auch [VorhersageabilitätEstimateVersion](https://servicenow-prod.fluidtopics.net/nvbq2b6oOdSqD9AJjLnnQQ#PredictabilityEstimateVersionAPI "Die VorhersageabilitätEstimateVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.")API. |
[Tabelle : 7. Rückgaben]

{#PrdctbltE-getAllVersions__table_uvl_m3z_llb}  
Das folgende Beispiel zeigt, wie alle abgerufen werden VorhersageabilitätEstimate Versionsobjekte und rufen Sie auf GetVersionNumber() Und GetStatus() Schätzen Sie Versionsmethoden für sie.

    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate');

    var mlEstimateVersions = mlEstimate.getAllVersions();

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

Ausgabe:

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

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

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

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

Ruft die neueste Version von ab Eine Vorhersagbarkeitsschätzung.
{#PrdctbltE-getLatestVersion__table_tvl_m3z_llb__entry__3}

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

{#PrdctbltE-getLatestVersion__table_tvl_m3z_llb} {#PrdctbltE-getLatestVersion__table_uvl_m3z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | [VorhersageabilitätEstimateVersion](https://servicenow-prod.fluidtopics.net/nvbq2b6oOdSqD9AJjLnnQQ#PredictabilityEstimateVersionAPI "Die VorhersageabilitätEstimateVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.") Objekt, das der neuesten Version von entsprichtA [VorhersageabilitätEstimate()](https://servicenow-prod.fluidtopics.net/amBVbFONwX1yUwKDr0yCeQ#PrdctbltE-PredictabilityEstimate_O "Erstellt eine Vorhersagbarkeitsschätzung."). |
[Tabelle : 9. Rückgaben]

{#PrdctbltE-getLatestVersion__table_uvl_m3z_llb}  
Das folgende Beispiel zeigt, wie Sie die neueste Version von abrufen Eine Vorhersagbarkeitsschätzung und gibt den Trainingsstatus zurück.

    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate');

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

Ausgabe:

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

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

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

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

{#PrdctbltE-getName__table_pps_43z_llb} {#PrdctbltE-getName__table_qps_43z_llb__entry__2}

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

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

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

    var myEstimate = new sn_ml.PredictabilityEstimate({
       'label': "my estimate",
       'dataset' : myIncidentData,
       'inputFieldNames':['short_description'],
       'predictedFieldName': 'category'
    });

    // update estimate
    sn_ml.PredictabilityEstimateStore.update('ml_x_snc_global_global_my_definition_4', myEstimate);

    // print estimate name
    gs.print('Estimate Name: '+myEstimate.getName());

Ausgabe:

    Estimate Name: ml_x_snc_global_global_my_definition_4

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

Ruft Objekteigenschaften der Vorhersagbarkeitsschätzung ab.
{#PrdctbltE-getProperties__table_pps_43z_llb__entry__3}

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

{#PrdctbltE-getProperties__table_pps_43z_llb} {#PrdctbltE-getProperties__table_qps_43z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | Inhalt des Datensatzes und [VorhersageabilitätEstimate()](https://servicenow-prod.fluidtopics.net/amBVbFONwX1yUwKDr0yCeQ#PrdctbltE-PredictabilityEstimate_O "Erstellt eine Vorhersagbarkeitsschätzung.")Objektdetails in [VorhersageabilitätEstimateStore](https://servicenow-prod.fluidtopics.net/fv~8AjelqYc5lbw~FwtZww#PredictabilityEstimateStoreAPI "Aktiviert das Speichern und Abrufen Schätzungen der Vorhersagbarkeit."). { "datasetProperties": {Object}, "domainName": "String", "inputFieldNames": [Array], "label": "String", "name": "String", "predictedFieldName": "String", "scope": "String", "trainingFrequency": "String" } |
| \<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 Schätzung zugeordnet ist. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } |
| \<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\>.InputFieldNames | Liste der Kandidateneingabefelder als Zeichenfolgen, die bei der Schätzung berücksichtigt werden sollen. 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\>.Umfang | Objektbereich. Derzeit ist der einzige gültige Wert `Global `. Datentyp: Zeichenfolge |
| \<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 {#PrdctbltE-getProperties__ul_pmw_523_plb}Standard: Run_once Datentyp: Zeichenfolge. |
[Tabelle : 13. Rückgaben]

{#PrdctbltE-getProperties__table_qps_43z_llb}  
Das folgende Beispiel ruft Eigenschaften von ab Ein Schätzungsobjekt für Vorhersagbarkeit Im Store.

    var mySolution = sn_ml.PredictabilityEstimateStore.get('ml_sn_global_global_predictability_estimate');

    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 estimate definition",
      "name": "ml_x_snc_global_global_my_definition_26",
      "predictedFieldName": "category",
      "processingLanguage": "en",
      "scope": "global",
      "stopwords": [
        "Default English Stopwords"
      ],
      "trainingFrequency": "run_once"
    }

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

Ruft eine Vorhersagbarkeitsschätzung ab Nach angegebener Versionsnummer.
{#PrdctbltE-getVersion_S__table_pps_43z_llb__entry__3}

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

{#PrdctbltE-getVersion_S__table_pps_43z_llb} {#PrdctbltE-getVersion_S__table_qps_43z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | Angegebene Version von [VorhersageabilitätEstimate()](https://servicenow-prod.fluidtopics.net/amBVbFONwX1yUwKDr0yCeQ#PrdctbltE-PredictabilityEstimate_O "Erstellt eine Vorhersagbarkeitsschätzung.")Objekt, für das Sie anrufen können [VorhersageabilitätEstimateVersion](https://servicenow-prod.fluidtopics.net/nvbq2b6oOdSqD9AJjLnnQQ#PredictabilityEstimateVersionAPI "Die VorhersageabilitätEstimateVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.")API-Methoden. |
[Tabelle : 15. Rückgaben]

{#PrdctbltE-getVersion_S__table_qps_43z_llb}  
Das folgende Beispiel zeigt, wie der Schulungsstatus von abgerufen wird Eine Vorhersagbarkeitsschätzung nach Versionsnummer.

    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate');

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

Ausgabe:

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

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

Aktiviert eine angegebene Version einer Vorhersagbarkeitsschätzung im Store.
{#PrdctbltE-setActiveVersion_S__table_pps_43z_llb__entry__3}

| Name | Typ | Beschreibung |
|-|-|-|
| Version | Zeichenfolge | Name von [VorhersageabilitätEstimate()](https://servicenow-prod.fluidtopics.net/amBVbFONwX1yUwKDr0yCeQ#PrdctbltE-PredictabilityEstimate_O "Erstellt eine Vorhersagbarkeitsschätzung.")Zu aktivierende Objektversion. Durch Aktivieren dieser Version wird jede andere Version deaktiviert. |
[Tabelle : 16. Parameter]

{#PrdctbltE-setActiveVersion_S__table_pps_43z_llb} {#PrdctbltE-setActiveVersion_S__table_qps_43z_llb__entry__2}

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

{#PrdctbltE-setActiveVersion_S__table_qps_43z_llb}  
Das folgende Beispiel zeigt, wie aktiviert wird Eine Vorhersagbarkeitsschätzung Version im Store.

    sn_ml.PredictabilityEstimate.setActiveVersion("ml_x_snc_global_global_my_estimate_definition");

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

Übermittelt einen Schulungsauftrag.
Hinweis:  
Bevor Sie diese Methode ausführen, müssen Sie dem Store zuerst eine Vorhersagbarkeitsschätzung hinzufügen, indem Sie verwenden [PredictabilityEstimateStore -- add()](https://servicenow-prod.fluidtopics.net/fv~8AjelqYc5lbw~FwtZww#PredictbltyEstStore-add_O "Fügt eine neue Vorhersagbarkeitsschätzung hinzu Objekt für den Store und gibt einen eindeutigen Namen zurück.")Methode.
{#PrdctbltE-submitTrainingJob__table_xmd_33z_llb__entry__3}

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

{#PrdctbltE-submitTrainingJob__table_xmd_33z_llb} {#PrdctbltE-submitTrainingJob__table_ymd_33z_llb__entry__2}

| Typ | Beschreibung |
|-|-|
| Objekt | [VorhersageabilitätEstimateVersion](https://servicenow-prod.fluidtopics.net/nvbq2b6oOdSqD9AJjLnnQQ#PredictabilityEstimateVersionAPI "Die VorhersageabilitätEstimateVersion API ist ein skriptfähiges Objekt, das in verwendet wird Predictive IntelligenceSpeichert.") Objekt, das dem entspricht [VorhersageabilitätEstimate](https://servicenow-prod.fluidtopics.net/amBVbFONwX1yUwKDr0yCeQ#PrdctbltE-PredictabilityEstimate_O "Erstellt eine Vorhersagbarkeitsschätzung.") Wird trainiert. |
[Tabelle : 19. Rückgaben]

{#PrdctbltE-submitTrainingJob__table_ymd_33z_llb}  
Das folgende Beispiel zeigt, wie Sie einen Datensatz erstellen und auf anwenden Eine Vorhersagbarkeitsschätzung, fügen Sie sie hinzu 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 estimate 
    var myEstimate = new sn_ml.PredictabilityEstimate({

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

    });

    // Add the estimate to the store to later be able to retrieve it.
    var my_unique_name = sn_ml.PredictabilityEstimateStore.add(myEstimate);

    // Train the estimate - this is a long running job 
    var myEstimateVersion = myEstimate.submitTrainingJob();


