--- sourceDocument: Référence de l’API Xanadu sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/fr-FR/xanadu/api-reference Release : - xanadu ft:locale : - fr-FR ft:publication_title : - Référence de l’API Xanadu ft:clusterId : - crapiref bundleId : - crapiref workflow : - Creator --- # ClassificationSolution : globale # ClassificationSolution : globale {#ariaid-title1} * Rversion finale: Xanadu * * Mis à jour 1 août 2024 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 9 minutes de lecture L'API ClassificationSolution est un objet pouvant contenir des scripts et utilisé dans les Intelligence prédictive 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` . Le flux de configuration à la formation de la solution est le suivant : 1. Créez un jeu de données à l'aide de l'API [DatasetDefinition](https://servicenow-prod.fluidtopics.net/K6CGLMjqgee64K7U4Dl0gA#DatasetDefinitionAPI "L’API DatasetDefinition fournit des méthodes pour identifier un ensemble d’enregistrements comprenant un nom de table, des colonnes et des critères de sélection de ligne à utiliser comme entrée pour les algorithmes d’apprentissage ML. Les ensembles de données ne contiennent pas les données réelles.") . 2. Facultatif. Créez un encodeur à l'aide de l'API [Encoder](https://servicenow-prod.fluidtopics.net/IHQ3JXNgC2Yj8ezioJC7_A#EncoderAPI "L’API Encoder fournit un objet pouvant contenir des scripts et pouvant être utilisé dans les Intelligence prédictive magasins. Cet objet convertit les données d’entrée en vecteurs de nombres, en fonction d’objectifs et de configurations spécifiques à l’encodeur. Les encodeurs peuvent être utilisés indépendamment pour exécuter des codages ou peuvent être configurés dans le cadre de solutions pour coder des colonnes de texte.") . 3. Utilisez le [constructeur](https://servicenow-prod.fluidtopics.net/eFBZLWbIm4AdfHnBjGg2pQ#ClassifictnSol-ClassificationSolution_O "Crée une solution de classification.") pour créer un objet de solution de classification. 4. Ajoutez l'objet de solution au magasin de solutions de classification à l'aide de la méthode [ClassificationSolutionStore - add().](https://servicenow-prod.fluidtopics.net/h~MlRiybKs4RNGeLo_WjvA#ClassificationStore-add_O "Ajoute un nouvel objet de solution au magasin et renvoie un nom unique.") 5. Formez la solution à l'aide de la méthode [submitTrainingJob().](https://servicenow-prod.fluidtopics.net/eFBZLWbIm4AdfHnBjGg2pQ#ClassifictnSol-submitTrainingJob "Soumet une tâche de formation.") Cela crée une version de l'objet que vous pouvez gérer à l'aide de l'API [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/Us1wzInGNtvWA_tbY5BMqg#ClassificationSolutionVersionAPI "L’API ClassificationSolutionVersion est un objet pouvant contenir des scripts utilisé dans les Intelligence prédictive magasins.") . 6. Obtenir des prédictions à l'aide de la méthode [ClassificationSolutionVersion -- predict().](https://servicenow-prod.fluidtopics.net/Us1wzInGNtvWA_tbY5BMqg#ClssfnV-predict_O_O "Obtient les données d’entrée pour une prédiction.") {#ClassificationSolutionAPI__ol_mmm_n1c_dmb} Remarque : Cette API s'exécute avec tous les privilèges. Pour restreindre l'accès des utilisateurs, incluez un mécanisme de contrôle d'accès dans le script. Pour obtenir des instructions d'utilisation, consultez [Utilisation des API ML](https://www.servicenow.com/docs/access?context=using-ml-apis&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). ## ClassificationSolution : ClassificationSolution(Object config) {#ariaid-title2} Crée une solution de classification. {#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} | Nom | Type | Description | |-|-|-| | configuration | Objet | Objet JavaScript contenant les propriétés de configuration de la solution. { "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 | Objet | Objet JavaScript contenant les propriétés de configuration de l'algorithme. 'algorithmConfig' : { "algorithm": "String", "targetClassRecall": "String" } | | config.algorithmConfig.algorithm | Chaîne | Méthode d'encodage de votre solution. Valeurs possibles : * xgboost: encodage XGBoost pour optimiser l'entraînement. * logisticRegression: Méthode utilisant le modèle de régression logistique pour des cibles catégorielles telles que nominales ou ordinales. {#ClassifictnSol-ClassificationSolution_O__ul_wtd_l2k_xlb} | | config.algorithmConfig.targetClassRecall | Chaîne | Applique un paramètre de rappel de classe pour orienter l'entraînement d'une solution afin de biaiser une classe spécifique. Le format est `<< >>` où la valeur de rappel est un nombre compris entre 0 et 100 représentant un pourcentage. Par exemple, pour définir et appliquer ce paramètre de solution avec une précision de 90 % pour tous les enregistrements que vous formez dans la classe Email, la valeur est définie sur `<< Email :90 >>.` | | config.dataset | Objet | [Nom de DatasetDefinition](https://servicenow-prod.fluidtopics.net/K6CGLMjqgee64K7U4Dl0gA#DatasetDefinitionAPI "L’API DatasetDefinition fournit des méthodes pour identifier un ensemble d’enregistrements comprenant un nom de table, des colonnes et des critères de sélection de ligne à utiliser comme entrée pour les algorithmes d’apprentissage ML. Les ensembles de données ne contiennent pas les données réelles.") . | | config.domainName | Chaîne | Facultatif. Nom du domaine associé à cet ensemble de données. Voir [Séparation de domaine et Intelligence prédictive](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Par défaut : domaine actuel, par exemple, `<< global` \>\>. | | config.encoder | Objet | Facultatif. Objet d'encodeur formé à affecter à cette solution. Reportez-vous à [Encodeur - Encodeur (configuration d'objet)](https://servicenow-prod.fluidtopics.net/IHQ3JXNgC2Yj8ezioJC7_A#Encoder-Encoder_O "Crée un encodeur."). | | config.groupByFieldName | Chaîne | Facultatif. Nom de champ par lequel le système regroupe les enregistrements pour créer des solutions de classification. Pour plus d'informations sur l'utilisation, reportez-vous [à la rubrique Utilisation de Grouper par pour la classification](https://www.servicenow.com/docs/access?context=using-group-by-for-classification&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). | | config.inputFieldNames | Tableau | Liste des noms des champs d'entrée sous forme de chaînes. Le modèle utilise ces champs pour effectuer des prédictions. | | config.label | Chaîne | Identifie la tâche de prédiction. | | config.minRowCount | Chaîne | Facultatif. Nombre minimum d'enregistrements requis dans l'ensemble de données pour la formation. Par défaut : 10 000 | | config.predictedFieldName | Chaîne | Identifie un champ à former pour des raisons de prévisibilité. | | config.processingLanguage | Chaîne | Facultatif. Traitement du langage au format de code de langue ISO 639-1 à deux lettres. Par défaut : \<\< en \>\> | | config.mots vides | Tableau | Facultatif. Liste prédéfinie de chaînes que le système génère automatiquement en fonction du language paramètre de propriété. Pour plus d'informations, reportez-vous à [la section Créer une liste de mots vides personnalisés](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Par défaut : mots vides en anglais | | config.trainingFrequency | Chaîne | Fréquence de reformation du modèle. Valeurs possibles : * every_30_days * every_60_days * every_90_days * every_120_days * every_180_days * run_once {#ClassifictnSol-ClassificationSolution_O__ul_pmw_523_plb}Par défaut : run_once | [Tableau 1. Paramètres] {#ClassifictnSol-ClassificationSolution_O__table_gm2_yt5_flb} L'exemple suivant montre comment créer un objet et l'ajouter à la Magasin ClassificationSolution. 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} Annule une tâche pour Un objet de solution qui a été soumis pour une formation. {#ClassifictnSol-cancelTrainingJob__table_bpb_k3z_llb__entry__3} | Nom | Type | Description | |-|-|-| | Aucun | | | [Tableau 2. Paramètres] {#ClassifictnSol-cancelTrainingJob__table_bpb_k3z_llb} {#ClassifictnSol-cancelTrainingJob__table_cpb_k3z_llb__entry__2} | Type | Description | |-|-| | Aucun | | [Tableau 3. Renvoie] {#ClassifictnSol-cancelTrainingJob__table_cpb_k3z_llb} L'exemple suivant montre comment annuler une tâche de formation existante. var mySolution = sn_ml.ClassificationSolutionStore.get('ml_sn_global_global_classification'); mySolution.cancelTrainingJob(); ## ClassificationSolution : getActiveVersion() {#ariaid-title4} Obtient l'actif Objet ClassificationSolutionVersion. {#ClassifictnSol-getActiveVersion__table_tvl_m3z_llb__entry__3} | Nom | Type | Description | |-|-|-| | Aucun | | | [Tableau 4. Paramètres] {#ClassifictnSol-getActiveVersion__table_tvl_m3z_llb} {#ClassifictnSol-getActiveVersion__table_uvl_m3z_llb__entry__2} | Type | Description | |-|-| | Objet | [Objet ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/Us1wzInGNtvWA_tbY5BMqg#ClassificationSolutionVersionAPI "L’API ClassificationSolutionVersion est un objet pouvant contenir des scripts utilisé dans les Intelligence prédictive magasins.") actif. | [Tableau 5. Renvoie] {#ClassifictnSol-getActiveVersion__table_uvl_m3z_llb} L'exemple suivant montre comment obtenir une version active Solution de classification à partir du magasin et renvoyer son état de formation. var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_classification'); gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getStatus()), null, 2)); Sortie : { "state": "solution_complete", "percentComplete": "100", "hasJobEnded": "true" } ## ClassificationSolution : getAllVersions() {#ariaid-title5} Obtient toutes les versions de une solution de classification. {#ClassifictnSol-getAllVersions__table_tvl_m3z_llb__entry__3} | Nom | Type | Description | |-|-|-| | Aucun | | | [Tableau 6. Paramètres] {#ClassifictnSol-getAllVersions__table_tvl_m3z_llb} {#ClassifictnSol-getAllVersions__table_uvl_m3z_llb__entry__2} | Type | Description | |-|-| | Tableau | Versions existantes d'un objet de solution. Voir également [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/Us1wzInGNtvWA_tbY5BMqg#ClassificationSolutionVersionAPI "L’API ClassificationSolutionVersion est un objet pouvant contenir des scripts utilisé dans les Intelligence prédictive magasins.") API. | [Tableau 7. Renvoie] {#ClassifictnSol-getAllVersions__table_uvl_m3z_llb} L'exemple suivant montre comment obtenir tous les objets de version ClassificationSolution et appeler les méthodes de version de solution getVersionNumber() et getStatus() sur eux. 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"); }; Sortie : 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} Obtient la dernière version de une solution. {#ClassifictnSol-getLatestVersion__table_tvl_m3z_llb__entry__3} | Nom | Type | Description | |-|-|-| | Aucun | | | [Tableau 8. Paramètres] {#ClassifictnSol-getLatestVersion__table_tvl_m3z_llb} {#ClassifictnSol-getLatestVersion__table_uvl_m3z_llb__entry__2} | Type | Description | |-|-| | Objet | [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/Us1wzInGNtvWA_tbY5BMqg#ClassificationSolutionVersionAPI "L’API ClassificationSolutionVersion est un objet pouvant contenir des scripts utilisé dans les Intelligence prédictive magasins.") Objet correspondant à la dernière version de a [ClassificationSolution().](https://servicenow-prod.fluidtopics.net/eFBZLWbIm4AdfHnBjGg2pQ#ClassifictnSol-ClassificationSolution_O "Crée une solution de classification.") | [Tableau 9. Renvoie] {#ClassifictnSol-getLatestVersion__table_uvl_m3z_llb} L'exemple suivant montre comment obtenir la dernière version d'une solution et renvoyer son état de formation.{#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)); Sortie : { "state": "solution_complete", "percentComplete": "100", "hasJobEnded": "true" } ## ClassificationSolution : getName() {#ariaid-title7} Obtient le nom de l'objet à utiliser pour l'interaction avec le magasin. {#ClassifictnSol-getName__table_pps_43z_llb__entry__3} | Nom | Type | Description | |-|-|-| | Aucun | | | [Tableau 10. Paramètres] {#ClassifictnSol-getName__table_pps_43z_llb} {#ClassifictnSol-getName__table_qps_43z_llb__entry__2} | Type | Description | |-|-| | Chaîne | Nom de l'objet de solution. | [Tableau 11. Renvoie] {#ClassifictnSol-getName__table_qps_43z_llb} L'exemple suivant montre comment mettre à jour Solution de classification les informations du jeu de données et imprimer le nom de l'objet. // 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()); Sortie : Solution Name: ml_x_snc_global_global_my_solution_definition_4 ## ClassificationSolution : getProperties() {#ariaid-title8} Obtient les propriétés de l'objet de solution. {#ClassifictnSol-getProperties__table_pps_43z_llb__entry__3} | Nom | Type | Description | |-|-|-| | Aucun | | | [Tableau 12. Paramètres] {#ClassifictnSol-getProperties__table_pps_43z_llb} {#ClassifictnSol-getProperties__table_qps_43z_llb__entry__2}{#ClassifictnSol-getProperties__classification-obj-group-desc} | Type | Description | |-|-| | Objet | Contenu des détails de l'ensemble de données et de l'objet [ClassificationSolution()](https://servicenow-prod.fluidtopics.net/eFBZLWbIm4AdfHnBjGg2pQ#ClassifictnSol-ClassificationSolution_O "Crée une solution de classification.") dans [ClassificationSolutionStore](https://servicenow-prod.fluidtopics.net/h~MlRiybKs4RNGeLo_WjvA#ClassificationSolutionStoreAPI "Permet de stocker et de récupérer des solutions."). { "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" } | | \.algorithmConfig | Méthode de codage de la solution. Type de données : Objet. | | \.algorithmConfig.algorithm | Nom de l'algorithme de codage pour la formation de cette solution. Valeurs possibles : * xgboost: encodage XGBoost pour optimiser l'entraînement. * logisticRegression: Méthode utilisant le modèle de régression logistique pour des cibles catégorielles telles que nominales ou ordinales. {#ClassifictnSol-getProperties__ul_wtd_l2k_xlb} Type de données : chaîne. | | \.algorithmConfig.targetClassRecall | Paramètre de rappel de classe pour orienter l'entraînement d'une solution afin de biaiser une classe spécifique. La valeur de rappel est un nombre compris entre 0 et 100 qui représente un pourcentage. Type de données : chaîne | | \.datasetProperties (en anglais seulement) | Répertorie les propriétés de l'objet [DatasetDefinition()](https://servicenow-prod.fluidtopics.net/K6CGLMjqgee64K7U4Dl0gA#DDef-DatasetDefinition_O "Crée une instance de la classe DatasetDefinition , vous permettant de définir un jeu de données par nom de table, champs et requête.") associé à la solution. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } Type de données : Objet. | | \.datasetProperties.tableName | Nom de la table pour l'ensemble de données. Par exemple, `<< tableName >> : << Incident >>`. Type de données : chaîne. | | \.datasetProperties.fieldNames | Liste des noms de champs de la table spécifiée en tant que chaînes. Par exemple, `<< fieldNames >> : ["short_description >>, << priority"]`. Type de données : tableau. | | \.datasetProperties.fieldNames.fieldDetails | Liste des objets JavaScript qui spécifient les propriétés du champ. [ { "name": "String", "type": "String" } ] Type de données : tableau. | | \.datasetProperties.fieldNames.fieldDetails.\. nom | Nom du champ définissant le type d'informations auquel limiter cet ensemble de données. Type de données : chaîne. | | \.datasetProperties.fieldDetails.\. type | Type de champ d'apprentissage machine. Type de données : chaîne. | | \.datasetProperties.fieldDetails.encodedQuery | Chaîne de requête codée au format Glide standard. [Reportez-vous à la section Chaînes de requêtes codées](https://www.servicenow.com/docs/access?context=c_EncodedQueryStrings&version=xanadu&pubname=xanadu-platform-user-interface&ft:locale=en-US). Type de données : chaîne. | | \.domainName | Nom du domaine associé à cet ensemble de données. Voir [Séparation de domaine et Intelligence prédictive](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Type de données : chaîne. | | \.codeur | Objet encodeur affecté à cette solution. Reportez-vous à [Encodeur - Encodeur (configuration d'objet)](https://servicenow-prod.fluidtopics.net/IHQ3JXNgC2Yj8ezioJC7_A#Encoder-Encoder_O "Crée un encodeur."). Type de données : Objet. | | \.groupByFieldName | Nom de champ par lequel le système regroupe les enregistrements pour créer des solutions de classification. Type de données : chaîne | | \.inputFieldNames | Liste des noms des champs d'entrée sous forme de chaînes. Le modèle utilise ces champs pour effectuer des prédictions. Type de données : chaîne. | | \.étiquette | Identifie la tâche de prédiction. { "label": "my first prediction" } Type de données : chaîne. | | \.nom | Nom affecté par le système. Type de données : chaîne. | | \.predictedFieldName | Identifie un champ à former pour des raisons de prévisibilité. Type de données : chaîne. | | \.processingLanguage | Traitement du langage au format de code de langue ISO 639-1 à deux lettres. Type de données : chaîne. | | \.portée | Périmètre de l'objet. Actuellement, la seule valeur valide est `global`. Type de données : chaîne | | \.mots vides | Facultatif. Liste prédéfinie de chaînes que le système génère automatiquement en fonction du language paramètre de propriété. Pour plus d'informations, reportez-vous à [la section Créer une liste de mots vides personnalisés](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Type de données : tableau. | | \.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 {#ClassifictnSol-getProperties__ul_pmw_523_plb}Par défaut : run_once Type de données : chaîne. | [Tableau 13. Renvoie] {#ClassifictnSol-getProperties__table_qps_43z_llb} L'exemple suivant obtient les propriétés d'un objet solutiondans le magasin.{#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)); Sortie : *** 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 (version de chaîne) {#ariaid-title9} Obtient une solution par numéro de version fourni. {#ClassifictnSol-getVersion_S__table_pps_43z_llb__entry__3}{#ClassifictnSol-getVersion_S__mlsol-gerversion-returns-other} | Nom | Type | Description | |-|-|-| | version | Chaîne | Numéro de version existante d'une solution. | [Tableau 14. Paramètres] {#ClassifictnSol-getVersion_S__table_pps_43z_llb} {#ClassifictnSol-getVersion_S__table_qps_43z_llb__entry__2} | Type | Description | |-|-| | Objet | Version spécifiée de l'objet [ClassificationSolution()](https://servicenow-prod.fluidtopics.net/eFBZLWbIm4AdfHnBjGg2pQ#ClassifictnSol-ClassificationSolution_O "Crée une solution de classification.") sur lequel vous pouvez appeler les méthodes [d'API ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/Us1wzInGNtvWA_tbY5BMqg#ClassificationSolutionVersionAPI "L’API ClassificationSolutionVersion est un objet pouvant contenir des scripts utilisé dans les Intelligence prédictive magasins.") . | [Tableau 15. Renvoie] {#ClassifictnSol-getVersion_S__table_qps_43z_llb} L'exemple suivant montre comment obtenir l'état de formation d'une solution par numéro de version.{#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)); Sortie : { "state": "solution_complete", "percentComplete": "100", "hasJobEnded": "true" } ## ClassificationSolution : setActiveVersion(version de chaîne) {#ariaid-title10} Active une version spécifiée d'une solution dans le magasin. {#ClassifictnSol-setActiveVersion_S__table_pps_43z_llb__entry__3} | Nom | Type | Description | |-|-|-| | version | Chaîne | Nom de la version de l'objet [ClassificationSolution()](https://servicenow-prod.fluidtopics.net/eFBZLWbIm4AdfHnBjGg2pQ#ClassifictnSol-ClassificationSolution_O "Crée une solution de classification.") à activer. L'activation de cette version désactive toutes les autres versions. | [Tableau 16. Paramètres] {#ClassifictnSol-setActiveVersion_S__table_pps_43z_llb} {#ClassifictnSol-setActiveVersion_S__table_qps_43z_llb__entry__2} | Type | Description | |-|-| | Aucun | | [Tableau 17. Renvoie] {#ClassifictnSol-setActiveVersion_S__table_qps_43z_llb} L'exemple suivant montre comment activer une version de solution dans le Store.{#ClassifictnSol-setActiveVersion_S__mlsol-setActive-example2} sn_ml.ClassificationSolution.setActiveVersion("ml_incident_categorization"); ## ClassificationSolution : submitTrainingJob() {#ariaid-title11} Soumet une tâche de formation. Remarque : Avant d'exécuter cette méthode, vous devez d'abord ajouter une solution au magasin à l'aide de la méthode [ClassificationSolutionStore - add().](https://servicenow-prod.fluidtopics.net/h~MlRiybKs4RNGeLo_WjvA#ClassificationStore-add_O "Ajoute un nouvel objet de solution au magasin et renvoie un nom unique.") {#ClassifictnSol-submitTrainingJob__table_xmd_33z_llb__entry__3} | Nom | Type | Description | |-|-|-| | Aucun | | | [Tableau 18. Paramètres] {#ClassifictnSol-submitTrainingJob__table_xmd_33z_llb} {#ClassifictnSol-submitTrainingJob__table_ymd_33z_llb__entry__2} | Type | Description | |-|-| | Objet | [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/Us1wzInGNtvWA_tbY5BMqg#ClassificationSolutionVersionAPI "L’API ClassificationSolutionVersion est un objet pouvant contenir des scripts utilisé dans les Intelligence prédictive magasins.") Objet correspondant à l'objet d'entraînement [ClassificationSolution](https://servicenow-prod.fluidtopics.net/eFBZLWbIm4AdfHnBjGg2pQ#ClassifictnSol-ClassificationSolution_O "Crée une solution de classification.") . | [Tableau 19. Renvoie] {#ClassifictnSol-submitTrainingJob__table_ymd_33z_llb} L'exemple suivant montre comment créer un jeu de données, l'appliquer à une solution, ajouter la solution à un magasin et soumettre la tâche de formation.{#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();