---
sourceDocument: Xanadu Activer AI
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/fr-FR/xanadu/intelligent-experiences

 Release :

    - xanadu

ft:locale :

    - fr-FR

ft:publication_title :

    - Xanadu Activer AI

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# Configurer XGBoost pour les solutions de classification ou de régression

# Configurer XGBoost pour les solutions de classification ou de régression {#ariaid-title1}

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

Appliquez l'encodage XGBoost pour optimiser l'entraînement de vos solutions de classification ou de régression.

## Avant de commencer

Remarque :  
La configuration des paramètres avancés sur vos solutions ML est facultative. Si vous choisissez de configurer l'un de ces paramètres, assurez-vous d'être bien informé concernant la technologie que vous activez dans la solution et que vous disposez d'un cas d'utilisation qui bénéficie de ce que la technologie offre.  
* Créez une définition de solution de classification ou utilisez une définition existante.
* Créez une définition de solution de régression ou utilisez une définition existante.
* Rôle requis : admin ou ml_admin
{#configure-xgboost-classification-regression-solutions__ul_bbp_gcr_3lb}

## Pourquoi et quand exécuter cette tâche

XGBoost est un framework d'amplification de gradient facultatif qui utilise plusieurs arbres de décision et prend en charge à la fois le texte basé sur le vecteur de paragraphe et le texte basé sur la distance TF-IDF. LogR est l'algorithme de modèle basé sur la distance par défaut.

Dans cet exemple de scénario, vous appliquez XGBoost à la fois à une solution de classification et à une solution de régression.

## Procédure

1. Accédez à la ToutIntelligence prédictiveClassificationDéfinitions des solutions.
2. Ouvrez un formulaire de définition de solution de classification.
3. Cliquez sur Nouveau dans l'onglet Paramètres de solution avancée de la section Liens connexes du formulaire.  
4. Créez un enregistrement de paramètre.
   1. Dans le champ Paramètres de la solution , cliquez sur l'icône de recherche.
   2. Dans l'écran Paramètres de la solution ML, sélectionnez Utiliser l'algo XGBoost pour la formation du modèle de classification.

   {#configure-xgboost-classification-regression-solutions__substeps_ow5_5tj_zjb}  
5. Cliquez sur Envoyer.  
   L'écran d'enregistrement Paramètre de solution avancée s'actualise.  
6. Cliquez sur Envoyer.  
   Résultat: XGBoost est configuré pour votre solution de classification. Son paramètre de solution s'affiche dans l'onglet Advanced Solution Settings (Paramètres de solution avancés) de votre formulaire de définition de classification.  
   Remarque :  
   Suivez les étapes ci-dessous si vous souhaitez configurer XGBoost sur une solution de régression.
7. Accédez à la Intelligence prédictiveRégressionDéfinitions des solutions.
8. Dans ce deuxième scénario, vous ouvrez un formulaire de définition de solution de régression.
9. Répétez les étapes 1 à 5 de l'exemple de solution de classification précédent, sauf que cette fois-ci, vous utilisez une solution de régression.
10. Cliquez sur Envoyer.  
    Résultat:

    XGBoost est configuré pour votre solution de régression. Son paramètre de solution s'affiche dans l'onglet Paramètres de solution avancés de votre formulaire de définition de solution de régression.
**Tâches associées**   

* [Créer et former une solution de classification](https://servicenow-prod.fluidtopics.net/GE1J2HiYK6HvEM82acSJcg "Spécifiez les enregistrements utilisés pour former une solution de classification, les champs qui déclenchent une prédiction et la fréquence à laquelle vous souhaitez reformer votre solution.")
* [Créer et former une solution de régression](https://servicenow-prod.fluidtopics.net/AfFpUeiY0~IoXvvpyvVIdQ "Formez votre solution en utilisant des données historiques pour prédire les sorties numériques, telles qu’une température ou une cotation. Par exemple, vous pouvez utiliser la régression pour estimer le temps nécessaire pour résoudre un incident ou un ticket.")