API-Clustering-Empfehlungen werden in angezeigt API-Einblicke

  • Freigeben Version: Yokohama
  • Aktualisiert 30. Januar 2025
  • 1 Minute Lesedauer

    • Verwenden Sie auf maschinellem Lernen basierende Vorschläge, um zugehörige API-Komponenten zu gruppieren und so die Organisation und Zuordnung von APIs im System zu verbessern.

    Die Registerkarte API-Clustering-Empfehlungen der Seite „Datenmodellempfehlung“ im -Arbeitsbereich API-Einblicke enthält durch maschinelles Lernen generierte Empfehlungen für API-Clustering.

    Abbildung : 1. Registerkarte „API-Clustering-Empfehlungen“.
    Registerkarte API-Clustering-Empfehlungen, um durch maschinelles Lernen generierte Empfehlungen für API-Clustering anzuzeigen

    Zugriff auf die Registerkarte mit den API-Clustering-Empfehlungen

    Um auf die Registerkarte API-Clustering-Empfehlungen zuzugreifen, navigieren Sie zu Arbeitsbereiche > API-Einblicke. Wählen Sie auf der Registerkarte Übersichtdie Option Vorgeschlagenes API-Clusteringaus. Die Registerkarte API-Clustering-Empfehlungen wird auf der Seite „Datenmodellempfehlungen“ angezeigt.

    Daten werden angezeigt

    Standardmäßig werden auf der Seite die folgenden Daten angezeigt:

    Clusterkonzept
    Zeigt die API-Komponenten an, die das maschinelle Lernmodell basierend auf Ähnlichkeiten gruppiert hat. Diese Konzepte stellen die Kernidee oder Funktionalität dar, die jeden Cluster definiert.
    Cluster-Größe
    Gibt die Gesamtzahl der Komponenten im Cluster an. Eine größere Größe lässt darauf schließen, dass viele Komponenten miteinander verknüpft und unter demselben API-Konzept gruppiert sind.
    Cluster-Qualität
    Reflektiert die Konfidenz oder Stärke der Beziehung zwischen Komponenten im Cluster, gemessen auf einer Skala von 0 bis 100. Ein höherer Qualitätswert impliziert stärkere Beziehungen zwischen den API-Komponenten innerhalb des Clusters.
    Aktualisiert
    Zeigt den neuesten Zeitstempel an, wann der Cluster aktualisiert wurde, und ermöglicht so die Nachverfolgung der Aktualität der Empfehlungen für maschinelles Lernen und von Änderungen an den Clustern.