---
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


---

# Solution de régression : globale

# Solution de régression : globale {#ariaid-title1}

* Rversion finale: Xanadu
* 
* Mis à jour 1 août 2024
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 8 minutes de lecture

L'API RegressionSolution est un objet pouvant contenir des scripts et pouvant être 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/OX~xOegM1St2AZghNHhZgw#RegressionSol-RegressionSolution_O "Crée une solution de régression.") pour créer un objet de solution de régression.
4. Ajoutez l'objet de solution au magasin de solutions de régression à l'aide de la méthode [RegressionSolutionStore - add().](https://servicenow-prod.fluidtopics.net/1EXkf~JZWMvKMNDWtjfGdA#RegressionStore-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/OX~xOegM1St2AZghNHhZgw#RegressionSol-submitTrainingJob "Soumet une tâche de formation.") Cela crée une version de l'objet que vous pouvez gérer à l'aide de l'API [RegressionSolutionVersion](https://servicenow-prod.fluidtopics.net/oLIs_gjBY~5TnKjBuvnUoQ#RegressionSolutionVersionAPI "L’API RegressionSolutionVersion est un objet pouvant contenir des scripts et pouvant être utilisé dans les Intelligence prédictive magasins.") .
6. Obtenir des prédictions à l'aide de la méthode [RegressionSolutionVersion -- predict().](https://servicenow-prod.fluidtopics.net/oLIs_gjBY~5TnKjBuvnUoQ#RegressionVersion-predict_O_O "Obtient les données d’entrée pour une prédiction.")

{#RegressionSolutionAPI__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).

## RegressionSolution : RegressionSolution(Object config) {#ariaid-title2}

Crée une solution de régression.
{#RegressionSol-RegressionSolution_O__table_gm2_yt5_flb__entry__3}{#RegressionSol-RegressionSolution_O__solution-obj-domainN-default}{#RegressionSol-RegressionSolution_O__solution-obj-lang-desc}{#RegressionSol-RegressionSolution_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}, "inputFieldNames": [Array], "label": "String", "minRowCount": "String", "predictedFieldName": "String", "predictedInterval": [Array], "processingLanguage": "String", "stopwords": [Array], "trainingFrequency": "String" } |
| 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.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 | Obligatoire sauf si le paramètre .predictedInterval Identifie un champ à former pour des raisons de prévisibilité. |
| config.predictedInterval | Tableau | Obligatoire sauf si le paramètre .predictedFieldName Définit une gamme de champs pour former votre solution afin qu'elle inspire confiance. Prend en charge la fourniture de 2 champs de date non numériques. Par exemple, `'predictedInterval' : ['sys_updated_on', 'sys_created_on']`. |
| 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 {#RegressionSol-RegressionSolution_O__ul_pmw_523_plb}Par défaut : run_once |
[Tableau 1. Paramètres]

{#RegressionSol-RegressionSolution_O__table_gm2_yt5_flb}  
L'exemple suivant montre comment créer un objet et l'ajouter à la Magasin RegressionSolution.

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

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

    var mySimilarityName = sn_ml.SimilaritySolutionStore.add(mySimSolution);

L'exemple suivant montre comment créer un objet à former à l'aide de la predictedInterval propriété.

    var myIncidentData = new sn_ml.DatasetDefinition({
    'tableName' : 'incident',
    'fieldNames' : ['short_description', 'sys_updated_on','sys_created_on'],
    'encodedQuery' : 'activeANYTHING'
    });
     
    var mySolution = new sn_ml.RegressionSolution({
    'label': 'reg assinGroup',
    'dataset' : myIncidentData,
    'predictedInterval': ['sys_updated_on', 'sys_created_on'],
    'inputFieldNames': ['short_description']
    });
     
    var my_unique_name = sn_ml.RegressionSolutionStore.add(mySolution)

## RegressionSolution : cancelTrainingJob() {#ariaid-title3}

Annule une tâche pour Un objet de solution qui a été soumis pour une formation.
{#RegressionSol-cancelTrainingJob__table_bpb_k3z_llb__entry__3}

| Nom | Type | Description |
|-|-|-|
| Aucun |   |   |
[Tableau 2. Paramètres]

{#RegressionSol-cancelTrainingJob__table_bpb_k3z_llb} {#RegressionSol-cancelTrainingJob__table_cpb_k3z_llb__entry__2}

| Type | Description |
|-|-|
| Aucun |   |
[Tableau 3. Renvoie]

{#RegressionSol-cancelTrainingJob__table_cpb_k3z_llb}  
L'exemple suivant montre comment annuler une tâche de formation existante.

    var mySolution = sn_ml.RegressionSolutionStore.get('ml_sn_global_global_regression');

    mySolution.cancelTrainingJob();

## Solution de régression : getActiveVersion() {#ariaid-title4}

Obtient l'actif Objet RegressionSolutionVersion.
{#RegressionSol-getActiveVersion__table_tvl_m3z_llb__entry__3}

| Nom | Type | Description |
|-|-|-|
| Aucun |   |   |
[Tableau 4. Paramètres]

{#RegressionSol-getActiveVersion__table_tvl_m3z_llb} {#RegressionSol-getActiveVersion__table_uvl_m3z_llb__entry__2}

| Type | Description |
|-|-|
| Objet | [Objet RegressionSolutionVersion](https://servicenow-prod.fluidtopics.net/oLIs_gjBY~5TnKjBuvnUoQ#RegressionSolutionVersionAPI "L’API RegressionSolutionVersion est un objet pouvant contenir des scripts et pouvant être utilisé dans les Intelligence prédictive magasins.") actif. |
[Tableau 5. Renvoie]

{#RegressionSol-getActiveVersion__table_uvl_m3z_llb}  
L'exemple suivant montre comment obtenir une version active Solution de régression à partir du magasin et renvoyer son état de formation.

    var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression');

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

Sortie :

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

## RegressionSolution : getAllVersions() {#ariaid-title5}

Obtient toutes les versions de un objet RegressionSolution .
{#RegressionSol-getAllVersions__table_tvl_m3z_llb__entry__3}

| Nom | Type | Description |
|-|-|-|
| Aucun |   |   |
[Tableau 6. Paramètres]

{#RegressionSol-getAllVersions__table_tvl_m3z_llb} {#RegressionSol-getAllVersions__table_uvl_m3z_llb__entry__2}

| Type | Description |
|-|-|
| Tableau | Versions existantes d'un objet de solution. Voir également [Version de la solution de régression](https://servicenow-prod.fluidtopics.net/oLIs_gjBY~5TnKjBuvnUoQ#RegressionSolutionVersionAPI "L’API RegressionSolutionVersion est un objet pouvant contenir des scripts et pouvant être utilisé dans les Intelligence prédictive magasins.") API. |
[Tableau 7. Renvoie]

{#RegressionSol-getAllVersions__table_uvl_m3z_llb}  
L'exemple suivant montre comment obtenir tous les objets de version de RegressionSolution et appeler les méthodes de version de solution getVersionNumber() et getStatus() sur eux.

    var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression');

    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"}

## Solution de régression : getLatestVersion() {#ariaid-title6}

Obtient la dernière version de une solution.
{#RegressionSol-getLatestVersion__table_tvl_m3z_llb__entry__3}

| Nom | Type | Description |
|-|-|-|
| Aucun |   |   |
[Tableau 8. Paramètres]

{#RegressionSol-getLatestVersion__table_tvl_m3z_llb} {#RegressionSol-getLatestVersion__table_uvl_m3z_llb__entry__2}

| Type | Description |
|-|-|
| Objet | [RegressionSolutionVersion](https://servicenow-prod.fluidtopics.net/oLIs_gjBY~5TnKjBuvnUoQ#RegressionSolutionVersionAPI "L’API RegressionSolutionVersion est un objet pouvant contenir des scripts et pouvant être utilisé dans les Intelligence prédictive magasins.") Objet correspondant à la dernière version de a [RegressionSolution().](https://servicenow-prod.fluidtopics.net/OX~xOegM1St2AZghNHhZgw#RegressionSol-RegressionSolution_O "Crée une solution de régression.") |
[Tableau 9. Renvoie]

{#RegressionSol-getLatestVersion__table_uvl_m3z_llb}  
L'exemple suivant montre comment obtenir la dernière version d'une solution et renvoyer son état de formation.{#RegressionSol-getLatestVersion__mlsol-getLatestVersion-example}

    var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression');

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

Sortie :

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

## Solution de régression : getName() {#ariaid-title7}

Obtient le nom de l'objet à utiliser pour l'interaction avec le magasin.
{#RegressionSol-getName__table_pps_43z_llb__entry__3}

| Nom | Type | Description |
|-|-|-|
| Aucun |   |   |
[Tableau 10. Paramètres]

{#RegressionSol-getName__table_pps_43z_llb} {#RegressionSol-getName__table_qps_43z_llb__entry__2}

| Type | Description |
|-|-|
| Chaîne | Nom de l'objet de solution. |
[Tableau 11. Renvoie]

{#RegressionSol-getName__table_qps_43z_llb}  
L'exemple suivant montre comment mettre à jour Solution de régression 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('regression'));

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

    // update solution
    sn_ml.RegressionSolutionStore.update('ml_x_snc_global_global_my_solution_definition_4', myRegression);

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

Sortie :

    Solution Name: ml_x_snc_global_global_my_solution_definition_4

## Solution de régression : getProperties() {#ariaid-title8}

Obtient les propriétés de l'objet de solution.
{#RegressionSol-getProperties__table_pps_43z_llb__entry__3}

| Nom | Type | Description |
|-|-|-|
| Aucun |   |   |
[Tableau 12. Paramètres]

{#RegressionSol-getProperties__table_pps_43z_llb} {#RegressionSol-getProperties__table_qps_43z_llb__entry__2}

| Type | Description |
|-|-|
| Objet | Contenu du jeu de données et détails de l'objet [RegressionSolution()](https://servicenow-prod.fluidtopics.net/OX~xOegM1St2AZghNHhZgw#RegressionSol-RegressionSolution_O "Crée une solution de régression.") dans [RegressionSolutionStore](https://servicenow-prod.fluidtopics.net/1EXkf~JZWMvKMNDWtjfGdA#RegressionSolutionStoreAPI "Permet de stocker et de récupérer des solutions."). { "datasetProperties": {Object}, "domainName": "String", "encoder": {Object}, "inputFieldNames": [Array], "label": "String", "name": "String", "predictedFieldName": "String", "predictedInterval": [Array], "processingLanguage": "String", "scope": "String", "stopwords": [Array], "trainingFrequency": "String" } |
| \<Object\>.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. |
| \<Object\>.datasetProperties.tableName | Nom de la table pour l'ensemble de données. Par exemple, `<< tableName >> : << Incident >>`. Type de données : chaîne. |
| \<Object\>.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. |
| \<Object\>.datasetProperties.fieldNames.fieldDetails | Liste des objets JavaScript qui spécifient les propriétés du champ. [ { "name": "String", "type": "String" } ] Type de données : tableau. |
| \<Object\>.datasetProperties.fieldNames.fieldDetails.\<object\>. nom | Nom du champ définissant le type d'informations auquel limiter cet ensemble de données. Type de données : chaîne. |
| \<Object\>.datasetProperties.fieldDetails.\<object\>. type | Type de champ d'apprentissage machine. Type de données : chaîne. |
| \<Object\>.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. |
| \<Object\>.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. |
| \<Object\>.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. |
| \<Object\>.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. |
| \<Object\>.étiquette | Identifie la tâche de prédiction. { "label": "my first prediction" } Type de données : chaîne. |
| \<Object\>.nom | Nom affecté par le système. Type de données : chaîne. |
| \<Object\>.predictedFieldName | Identifie un champ à former pour des raisons de prévisibilité. Type de données : chaîne. |
| \<Object\>.predictedInterval | Plage de valeurs spécifiant le niveau de fiabilité de prédiction. Type de données : tableau |
| \<Object\>.processingLanguage | Traitement du langage au format de code de langue ISO 639-1 à deux lettres. Type de données : chaîne. |
| \<Object\>.portée | Périmètre de l'objet. Actuellement, la seule valeur valide est `global`. Type de données : chaîne |
| \<Object\>.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. |
| \<Object\>.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 {#RegressionSol-getProperties__ul_pmw_523_plb}Par défaut : run_once Type de données : chaîne. |
[Tableau 13. Renvoie]

{#RegressionSol-getProperties__table_qps_43z_llb}  
L'exemple suivant obtient les propriétés d'un objet solutiondans le magasin.{#RegressionSol-getProperties__mlsol-getProps-example-other2}

    var mySolution = sn_ml.RegressionSolutionStore.get('ml_sn_global_global_regression_solution');

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

Sortie :

    *** Script: {
      "datasetProperties": {
        "tableName": "cloudinfratext",
        "fieldNames": [
          "short_description",
          "sourcedc",
          "targetdc",
          "dbsize",
          "duration"
        ]
      },
      "domainName": "global",
      "encoderProperties": {
        "datasetsProperties": [],
        "name": "wc_regression"
      },
      "inputFieldNames": [
        "short_description",
        "sourcedc",
        "targetdc",
        "dbsize"
      ],
      "label": "Regression Test for DB Restore",
      "name": "ml_x_snc_global_global_regression",
      "predictedFieldName": "duration",
      "processingLanguage": "en",
      "scope": "global",
      "stopwords": [
        "Default English Stopwords"
      ],
      "trainingFrequency": "every_30_days"
    }

## RegressionSolution : getVersion(version de la chaîne) {#ariaid-title9}

Obtient une solution par numéro de version fourni.
{#RegressionSol-getVersion_S__table_pps_43z_llb__entry__3}{#RegressionSol-getVersion_S__mlsol-gerversion-returns-other}

| Nom | Type | Description |
|-|-|-|
| version | Chaîne | Numéro de version existante d'une solution. |
[Tableau 14. Paramètres]

{#RegressionSol-getVersion_S__table_pps_43z_llb} {#RegressionSol-getVersion_S__table_qps_43z_llb__entry__2}

| Type | Description |
|-|-|
| Objet | Version spécifiée de l'objet [RegressionSolution()](https://servicenow-prod.fluidtopics.net/OX~xOegM1St2AZghNHhZgw#RegressionSol-RegressionSolution_O "Crée une solution de régression.") sur lequel vous pouvez appeler [les méthodes d'API RegressionSolutionVersion](https://servicenow-prod.fluidtopics.net/oLIs_gjBY~5TnKjBuvnUoQ#RegressionSolutionVersionAPI "L’API RegressionSolutionVersion est un objet pouvant contenir des scripts et pouvant être utilisé dans les Intelligence prédictive magasins.") . |
[Tableau 15. Renvoie]

{#RegressionSol-getVersion_S__table_qps_43z_llb}  
L'exemple suivant montre comment obtenir l'état de formation d'une solution par numéro de version.{#RegressionSol-getVersion_S__mlsol-gerversion-example-other}

    var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression');

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

Sortie :

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

## RegressionSolution : setActiveVersion(version de chaîne) {#ariaid-title10}

Active une version spécifiée d'une solution dans le magasin.
{#RegressionSol-setActiveVersion_S__table_pps_43z_llb__entry__3}

| Nom | Type | Description |
|-|-|-|
| version | Chaîne | Nom de la version de l'objet [RegressionSolution()](https://servicenow-prod.fluidtopics.net/OX~xOegM1St2AZghNHhZgw#RegressionSol-RegressionSolution_O "Crée une solution de régression.") à activer. L'activation de cette version désactive toutes les autres versions. |
[Tableau 16. Paramètres]

{#RegressionSol-setActiveVersion_S__table_pps_43z_llb} {#RegressionSol-setActiveVersion_S__table_qps_43z_llb__entry__2}

| Type | Description |
|-|-|
| Aucun |   |
[Tableau 17. Renvoie]

{#RegressionSol-setActiveVersion_S__table_qps_43z_llb}  
L'exemple suivant montre comment activer une version de solution dans le Store.{#RegressionSol-setActiveVersion_S__mlsol-setActive-example2}

    sn_ml.RegressionSolution.setActiveVersion("ml_incident_categorization");

## Solution de régression : 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 [RegressionSolutionStore - add().](https://servicenow-prod.fluidtopics.net/1EXkf~JZWMvKMNDWtjfGdA#RegressionStore-add_O "Ajoute un nouvel objet de solution au magasin et renvoie un nom unique.")
{#RegressionSol-submitTrainingJob__table_xmd_33z_llb__entry__3}

| Nom | Type | Description |
|-|-|-|
| Aucun |   |   |
[Tableau 18. Paramètres]

{#RegressionSol-submitTrainingJob__table_xmd_33z_llb} {#RegressionSol-submitTrainingJob__table_ymd_33z_llb__entry__2}

| Type | Description |
|-|-|
| Objet | [Solution de régressionVersion](https://servicenow-prod.fluidtopics.net/oLIs_gjBY~5TnKjBuvnUoQ#RegressionSolutionVersionAPI "L’API RegressionSolutionVersion est un objet pouvant contenir des scripts et pouvant être utilisé dans les Intelligence prédictive magasins.") Objet correspondant à l'objet d'entraînement [Solution de régression](https://servicenow-prod.fluidtopics.net/OX~xOegM1St2AZghNHhZgw#RegressionSol-RegressionSolution_O "Crée une solution de régression.") . |
[Tableau 19. Renvoie]

{#RegressionSol-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.{#RegressionSol-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.RegressionSolution({

      '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.RegressionSolutionStore.add(mySolution);

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