--- 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 --- # Création et formation de solutions # Création et formation de solutions {#ariaid-title1} * Rversion finale: Xanadu * * Mis à jour 1 août 2024 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 3 minutes de lecture Utilisez l'un des cadres de travail Intelligence prédictive (PI) pour créer et former des solutions d'apprentissage machine. Chaque cadre de travail fournit un type de solution différent pour former le système à prédire, recommander et organiser les résultats des données. ## Types de solutions {#training-ml-solutions__section_f3c_5zd_ntb} Les trois cadres PI fournissent différentes solutions qui peuvent être invoquées par n'importe quelle application via une API de prédiction pour effectuer une prédiction. Créez et formez vos propres solutions à l'aide de vos données précédentes. Accédez à la ToutIntelligence prédictivePage d'accueil pour afficher et créer des solutions. Sélectionnez le meilleur cadre pour la prédiction souhaitée : * Solutions de classification : Définit des valeurs de champ lors de la création d'enregistrements pour catégoriser et acheminer automatiquement le travail en fonction des enregistrements passés. Consultez [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."). * Solutions de similarité : Identifie les similitudes entre les nouveaux enregistrements et les enregistrements existants afin de recommander des résolutions. Consultez [Créer et former une solution de similarité](https://servicenow-prod.fluidtopics.net/dd98JBOhNxrcCIq4pKFCEA "Créez et formez une solution d’apprentissage machine pour collecter et comparer vos enregistrements existants à de nouveaux enregistrements similaires. Par exemple, vous pouvez comparer le texte d’un enregistrement d’incident ouvert à un enregistrement d’incident résolu pour réutiliser sa résolution."). * Solutions de mise en grappe : Regroupe des enregistrements similaires en grappes pour identifier des modèles et des incidents majeurs. Consultez [Créer et former une solution de mise en grappe](https://servicenow-prod.fluidtopics.net/EwvDDQnDbmMCGcTY6UVNGw "Regroupez des enregistrements similaires dans des grappes pour les traiter collectivement ou identifier des schémas."). * Solutions de régression : Important : Avec cette Xanadu version, la prise en charge de la création de nouvelles solutions de régression a été supprimée. Vous pouvez toujours modifier et former les solutions de régression existantes, mais vous ne pouvez pas en créer de nouvelles. Utilise les données historiques pour prédire les sorties numériques, telles que l'estimation du temps nécessaire pour résoudre un incident ou un ticket. Consultez [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."). {#training-ml-solutions__ul_z3d_lwd_ntb} ## Sélection d'enregistrements de données pour la formation de votre solution {#training-ml-solutions__section_gt5_cq1_v1b} La qualité d'une solution dépend des données d'enregistrement que vous utilisez pour la former. En général, un bon jeu de données d'entraînement présente ces caractéristiques. * Les champs d'entrée de définition de la solution sont disponibles pour les utilisateurs lors de la création d'enregistrements. Pour effectuer des prédictions lors de la création de l'enregistrement, la solution doit avoir les valeurs de champ d'entrée lors de la création de l'enregistrement. * Le champ de sortie de définition de la solution est un champ de choix. Pour effectuer des prédictions plus précises, limitez le champ de sortie à un ensemble fini de valeurs possibles. * Les enregistrements de formation contiennent uniquement des valeurs correctes pour le champ de sortie. Pour effectuer des prédictions plus précises, filtrez tous les enregistrements dont les valeurs de champ de sortie ne sont pas fiables. Par exemple, si des incidents récemment fermés font l'objet d'un examen et de changements pendant un mois, filtrez tous les incidents récemment fermés. * Les enregistrements de formation contiennent plusieurs exemples de chaque valeur de champ de sortie que vous souhaitez que la solution prédise. Pour fournir une meilleure couverture d'enregistrement, incluez plusieurs exemples de chaque valeur de champ de sortie. * Les enregistrements de formation incluent des variantes courantes des champs d'entrée. Pour fournir une meilleure couverture d'enregistrement, incluez plusieurs exemples de valeurs de champ d'entrée. {#training-ml-solutions__ul_cnb_cn4_j1b} ## Exportation de votre solution pour la formation {#training-ml-solutions__section_tbw_kdh_j1b} Pour former une solution, vous exportez sa définition de solution et les enregistrements associés vers un serveur de formation centralisé au sein du même centre de données. À la fin de la formation, le serveur de formation réexporte la solution vers votre instance et supprime toutes vos données de formation du serveur. Étant donné que chaque centre de données dispose de son propre serveur de formation dédié et que les données ne quittent pas le centre de données, ce service est également disponible pour les clients qui ont des exigences en matière de souveraineté des données. Les prédictions se produisent sur un serveur de prédiction centralisé dans le même centre de données que l'instance. Les artefacts du modèle formé sont envoyés du serveur d'instance au serveur de prédiction lorsque la prédiction est appelée pour la première fois. Ensuite, les artefacts du modèle formé sont mis en cache sur le serveur de prédiction pour les prédictions suivantes. Remarque : Toutes les communications entre l'instance et le service de formation se produisent au sein du même pare-feu de centre de données. Malgré cela, toutes les communications se font via HTTPS. ## Dépannage de la formation à la solution {#training-ml-solutions__section_owf_zs1_ttb} Pour en savoir plus sur les problèmes de formation courants, consultez l'article Problèmes courants liés à Intelligence [prédictive \[KB781893\]](https://support.servicenow.com/nav_to.do?uri=/kb?id=kb_article_view&sysparm_article=KB0781893) dans le Now Support Base de connaissances.