Configurer l’algorithme du composant de connexion et la méthode de distance de Levenshtein pour une solution de mise en grappe
Appliquez l’encodage de la méthode Configurer le composant de connexion et la méthode Distance de Levenshtein pour optimiser la formation de vos solutions de clustering.
Avant de commencer
Remarque :
La configuration des paramètres avancés de vos solutions ML est facultative. Si vous choisissez de configurer l’un de ces paramètres, assurez-vous d’être bien informé sur la technologie que vous activez dans la solution et que votre cas d’utilisation bénéficie de ce que la technologie offre. Pour plus d’informations, reportez-vous à l’article Approfondissement des paramètres avancés de mise en grappe sur ServiceNow Community.
- Créez et formez une définition de solution de mise en grappe ou utilisez une définition existante.
- Rôle requis : admin ou ml_admin
Pourquoi et quand exécuter cette tâche
Lors de la formation des solutions de mise en grappe, vous disposez des trois options suivantes.
- Utilisez l’algorithme k-moyennes par défaut.
- Utilisez le paramètre de solution DBSCAN facultatif avec la méthode de distance euclidienne comme mesure.
- Utilisez les paramètres de solution facultatifs DBSCAN, Minimum Neighbors, et Levenshtein Distance. Connect Component est activé par DBSCAN et Minimum Neighbors, et prend en charge à la fois le texte vectoriel de paragraphe et le texte basé sur la distance de Levenshtein. Si vous entraînez votre solution à l’aide de la méthode Levenshtein Distance, vous n’avez pas besoin d’utiliser un corpus de mots dans votre solution de clustering.
Dans cet exemple de scénario, vous formez votre définition de solution à l’aide de la troisième option référencée ci-dessus.