--- sourceDocument: オーストラリア API リファレンス sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ja-JP/api-reference Release : - australia ft:locale : - ja-JP ft:publication_title : - オーストラリア API リファレンス ft:clusterId : - crapiref bundleId : - crapiref workflow : - Creator --- # PredictabilityEstimate: グローバル # PredictabilityEstimate: グローバル {#ariaid-title1} * リリースバージョン: Australia * * 更新日 2026年03月12日 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 所要時間：18分 PredictabilityEstimate API は、予測インテリジェンスストアで使用されるスクリプト可能なオブジェクトです。このオブジェクトは、データセットのフィールドがどの程度予測可能であるか、およびそれらのフィールドの予測に役立つ特徴量を示します。 この API には 予測インテリジェンス プラグイン (com.glide.platform_ml) が必要で、 `sn_ml` 名前空間内で提供されます。 予測可能性の推定セットアップからトレーニングまでのフローは次のとおりです。 1. [DatasetDefinition](https://servicenow-prod.fluidtopics.net/_Y4D37G2Ep8vLiDiwFGIhA#DatasetDefinitionAPI "DatasetDefinition API は、識別するメソッドを提供しますML トレーニングアルゴリズムの入力として使用する、テーブル名、列、行選択基準を含む一連のレコード。データセットには実際のデータは含まれていません。") API を使用してデータセットを作成します。 2. [コンストラクター](https://servicenow-prod.fluidtopics.net/57paZuJ_FMhuOGsSAEvg0w#PrdctbltE-PredictabilityEstimate_O "予測可能性の推定値を作成します。")を使用して、予測可能性の推定オブジェクトを作成します。 3. [PredictabilityEstimateStore - add()](https://servicenow-prod.fluidtopics.net/3dLjiDWVBuAXQexJMI0qgQ#PredictbltyEstStore-add_O "新しい予測可能性の推定を追加します オブジェクトをストアに追加し、一意の名前を返します。") メソッドを使用して、予測可能性推定オブジェクトを予測可能性推定ストアに追加します。 4. [submitTrainingJob()](https://servicenow-prod.fluidtopics.net/57paZuJ_FMhuOGsSAEvg0w#PrdctbltE-submitTrainingJob "トレーニングジョブを送信します。") メソッドを使用して予測可能性の推定値をトレーニングします。これにより、 [PredictabilityEstimateVersion](https://servicenow-prod.fluidtopics.net/xW6trorz1zyf3vD3yBCDfA#PredictabilityEstimateVersionAPI "PredictabilityEstimateVersion API は、予測インテリジェンスストアで使用されるスクリプト可能なオブジェクトです。") API を使用して管理できるオブジェクトのバージョンが作成されます。 5. [PredictabilityEstimateVersion -- getResults()](https://servicenow-prod.fluidtopics.net/xW6trorz1zyf3vD3yBCDfA#PredictbltyEstV-getResults "出力フィールドの提案された入力フィールドを含む JSON 結果を返します。") メソッドを使用して推定予測値を取得します。 {#PredictabilityEstimateAPI__ol_mmm_n1c_dmb} 注: この API は、Vancouver パッチ 7 ホットフィックス 2b および Washington DC パッチ 7 リリースより前の完全な権限で実行されます。それ以降のリリースでは、ACL を使用してアクセス権を付与します。詳細については、「 [Query ACLs](https://www.servicenow.com/docs/access?context=query-acl-rule&version=australia&pubname=australia-platform-security&ft:locale=en-US)」を参照してください。 使用上のガイドラインについては、「 [ML API の使用](https://www.servicenow.com/docs/access?context=using-ml-apis&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)」を参照してください。 ## PredictabilityEstimate:PredictabilityEstimate(オブジェクト構成) {#ariaid-title2} 予測可能性の推定値を作成します。 同じデータセットで新しい予測可能性の推定値を取得するには、このコンストラクターを使用して、一意の名前で新しい PredictabilityEstimate オブジェクトを作成します。 {#PrdctbltE-PredictabilityEstimate_O__table_gm2_yt5_flb__entry__3}{#PrdctbltE-PredictabilityEstimate_O__solution-obj-domainN-default} | 名前 | タイプ | 説明 | |-|-|-| | 構成 | オブジェクト | の構成プロパティを含む JavaScript オブジェクト 予測可能性の推定。 { "dataset": {Object}, "domainName": "String", "inputFieldNames": [Array], "label": "String", "minRowCount": "String", "predictedFieldName": "String", "trainingFrequency": "String" } | | config.dataset | オブジェクト | [DatasetDefinition](https://servicenow-prod.fluidtopics.net/_Y4D37G2Ep8vLiDiwFGIhA#DatasetDefinitionAPI "DatasetDefinition API は、識別するメソッドを提供しますML トレーニングアルゴリズムの入力として使用する、テーブル名、列、行選択基準を含む一連のレコード。データセットには実際のデータは含まれていません。") 名。 | | config.domainName | 文字列 | オプション。このデータセットに関連付けられたドメイン名。「 [ドメインセパレーション」および 予測インテリジェンス](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)を参照してください。 デフォルト:現在のドメイン ( `「global」`など)。 | | config.inputFieldNames | アレイ | 推定対象として考慮される文字列としての候補入力フィールドのリスト。 | | config.label | 文字列 | 予測タスクを識別します。 | | config.minRowCount | 文字列 | オプション。トレーニングのためにデータセットに必要なレコードの最小数。 デフォルト：10000 | | config.predictedFieldName | 文字列 | 予測可能性のためにトレーニングするフィールドを識別します。 | | config.trainingFrequency | 文字列 | オプション。 モデルを再トレーニングする頻度。 可能な値： * every_30_days * every_60_days * every_90_days * every_120_days * every_180_days * run_once {#PrdctbltE-PredictabilityEstimate_O__ul_pmw_523_plb}デフォルト:run_once | [表 : 1. パラメーター] {#PrdctbltE-PredictabilityEstimate_O__table_gm2_yt5_flb} 次の例は、見積もりジョブを作成して PredictabilityEstimate ストアに追加する方法を示しています。 var myIncidentData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'encodedQuery' : 'activeANYTHING' }); var myEstimate = new sn_ml.PredictabilityEstimate({ 'label': "predictability estimate", 'dataset' : myIncidentData, 'inputFieldNames':['short_description'], 'predictedFieldName': 'category' }); var myEstimateName = sn_ml.PredictabilityEstimateStore.add(myEstimate); ## PredictabilityEstimate:cancelTrainingJob() {#ariaid-title3} のジョブをキャンセル 予測可能性の推定オブジェクト トレーニングのために送信された {#PrdctbltE-cancelTrainingJob__table_bpb_k3z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 2. パラメーター] {#PrdctbltE-cancelTrainingJob__table_bpb_k3z_llb} {#PrdctbltE-cancelTrainingJob__table_cpb_k3z_llb__entry__2} | タイプ | 説明 | |-|-| | なし | | [表 : 3. 返される内容] {#PrdctbltE-cancelTrainingJob__table_cpb_k3z_llb} 次の例は、既存のトレーニングジョブをキャンセルする方法を示しています。 var myEstimate = sn_ml.PredictabilityEstimateStore.get('ml_sn_global_global_predictability_estimate'); myEstimate.cancelTrainingJob(); ## PredictabilityEstimate:getActiveVersion() {#ariaid-title4} アクティブを取得します PredictabilityEstimateVersion オブジェクト。 {#PrdctbltE-getActiveVersion__table_tvl_m3z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 4. パラメーター] {#PrdctbltE-getActiveVersion__table_tvl_m3z_llb} {#PrdctbltE-getActiveVersion__table_uvl_m3z_llb__entry__2} | タイプ | 説明 | |-|-| | オブジェクト | アクティブな [PredictabilityEstimateVersion](https://servicenow-prod.fluidtopics.net/xW6trorz1zyf3vD3yBCDfA#PredictabilityEstimateVersionAPI "PredictabilityEstimateVersion API は、予測インテリジェンスストアで使用されるスクリプト可能なオブジェクトです。") オブジェクト。 | [表 : 5. 返される内容] {#PrdctbltE-getActiveVersion__table_uvl_m3z_llb} 次の例は 予測可能性の推定 ストアからアクティブなバージョンを取得し、そのトレーニングステータスを返す var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate'); gs.print(JSON.stringify(JSON.parse(mlEstimate.getActiveVersion().getStatus()), null, 2)); 出力： { "state": "predictability_estimate_complete", "percentComplete": "100", "hasJobEnded": "true" } ## PredictabilityEstimate:getAllVersions() {#ariaid-title5} のすべてのバージョンを取得します 予測可能性の推定値。 {#PrdctbltE-getAllVersions__table_tvl_m3z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 6. パラメーター] {#PrdctbltE-getAllVersions__table_tvl_m3z_llb} {#PrdctbltE-getAllVersions__table_uvl_m3z_llb__entry__2} | タイプ | 説明 | |-|-| | アレイ | ソリューションオブジェクトの既存のバージョン。関連項目 [PredictabilityEstimateVersion](https://servicenow-prod.fluidtopics.net/xW6trorz1zyf3vD3yBCDfA#PredictabilityEstimateVersionAPI "PredictabilityEstimateVersion API は、予測インテリジェンスストアで使用されるスクリプト可能なオブジェクトです。") API。 | [表 : 7. 返される内容] {#PrdctbltE-getAllVersions__table_uvl_m3z_llb} 次の例は、すべての PredictabilityEstimate バージョンオブジェクトを取得し、それらで getVersionNumber() および getStatus() 推定バージョンメソッドを呼び出す方法を示しています。 var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate'); var mlEstimateVersions = mlEstimate.getAllVersions(); for (i = 0; i < mlEstimateVersions.length; i++) { gs.print("Version " + mlEstimateVersions[i].getVersionNumber() + " Status: " + mlEstimateVersions[i].getStatus() +"\n"); }; 出力： Version 3 Status: {"state":"predictability_estimate_complete","percentComplete":"100","hasJobEnded":"true"} Version 2 Status: {"state":"predictability_estimate_complete","percentComplete":"100","hasJobEnded":"true"} Version 1 Status: {"state":"predictability_estimate_cancelled","percentComplete":"0","hasJobEnded":"true"} ## PredictabilityEstimate:getLatestVersion() {#ariaid-title6} の最新バージョンを取得します 予測可能性の推定値。 {#PrdctbltE-getLatestVersion__table_tvl_m3z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 8. パラメーター] {#PrdctbltE-getLatestVersion__table_tvl_m3z_llb} {#PrdctbltE-getLatestVersion__table_uvl_m3z_llb__entry__2} | タイプ | 説明 | |-|-| | オブジェクト | [PredictabilityEstimateVersion](https://servicenow-prod.fluidtopics.net/xW6trorz1zyf3vD3yBCDfA#PredictabilityEstimateVersionAPI "PredictabilityEstimateVersion API は、予測インテリジェンスストアで使用されるスクリプト可能なオブジェクトです。") の最新バージョンに対応するオブジェクト を [PredictabilityEstimate()](https://servicenow-prod.fluidtopics.net/57paZuJ_FMhuOGsSAEvg0w#PrdctbltE-PredictabilityEstimate_O "予測可能性の推定値を作成します。") に置き換えます。 | [表 : 9. 返される内容] {#PrdctbltE-getLatestVersion__table_uvl_m3z_llb} 次の例は、ソリューションの最新バージョンを取得し 予測可能性の推定値とそのトレーニングステータスを返します。 var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate'); gs.print(JSON.stringify(JSON.parse(mlEstimate.getLatestVersion().getStatus()), null, 2)); 出力： { "state": "predictability_estimate_complete", "percentComplete": "100", "hasJobEnded": "true" } ## PredictabilityEstimate:getName() {#ariaid-title7} ストアとのインタラクションに使用するオブジェクトの名前を取得します。 {#PrdctbltE-getName__table_pps_43z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 10. パラメーター] {#PrdctbltE-getName__table_pps_43z_llb} {#PrdctbltE-getName__table_qps_43z_llb__entry__2} | タイプ | 説明 | |-|-| | 文字列 | 見積もりオブジェクトの名前。 | [表 : 11. 返される内容] {#PrdctbltE-getName__table_qps_43z_llb} 次の例は、 予測可能性の推定 データセット情報を更新し、オブジェクトの名前を出力 // Update estimate var myIncidentData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['category', 'short_description', 'priority'], 'encodedQuery' : 'activeANYTHING' }); var myEstimate = new sn_ml.PredictabilityEstimate({ 'label': "my estimate", 'dataset' : myIncidentData, 'inputFieldNames':['short_description'], 'predictedFieldName': 'category' }); // update estimate sn_ml.PredictabilityEstimateStore.update('ml_x_snc_global_global_my_definition_4', myEstimate); // print estimate name gs.print('Estimate Name: '+myEstimate.getName()); 出力： Estimate Name: ml_x_snc_global_global_my_definition_4 ## PredictabilityEstimate:getProperties() {#ariaid-title8} 予測可能性推定オブジェクトプロパティを取得します。 {#PrdctbltE-getProperties__table_pps_43z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 12. パラメーター] {#PrdctbltE-getProperties__table_pps_43z_llb} {#PrdctbltE-getProperties__table_qps_43z_llb__entry__2} | タイプ | 説明 | |-|-| | オブジェクト | [PredictabilityEstimateStore](https://servicenow-prod.fluidtopics.net/3dLjiDWVBuAXQexJMI0qgQ#PredictabilityEstimateStoreAPI "の保存と取得を可能にします 予測可能性の推定値。") 内の [Dataset と PredictabilityEstimate()](https://servicenow-prod.fluidtopics.net/57paZuJ_FMhuOGsSAEvg0w#PrdctbltE-PredictabilityEstimate_O "予測可能性の推定値を作成します。") オブジェクトの詳細の内容。 { "datasetProperties": {Object}, "domainName": "String", "inputFieldNames": [Array], "label": "String", "name": "String", "predictedFieldName": "String", "scope": "String", "trainingFrequency": "String" } | | \.datasetProperties | 見積もりに関連付けられた [DatasetDefinition()](https://servicenow-prod.fluidtopics.net/_Y4D37G2Ep8vLiDiwFGIhA#DDef-DatasetDefinition_O "DatasetDefinition クラスのインスタンスを作成し、テーブル名、フィールド、およびクエリでデータセットを定義できるようにします。") オブジェクトのプロパティを一覧表示します。 { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } | | \.datasetProperties.tableName | データセットのテーブルの名前。たとえば、「 `tableName」:「インシデント」`です。 データタイプ:文字列。 | | \.datasetProperties.fieldNames | 指定されたテーブルのフィールド名を文字列としてリストします。例:"`fieldNames" : ["short_description", "priority"]。` データタイプ:アレイ。 | | \.datasetProperties.fieldNames.fieldDetails | フィールドのプロパティを指定する JavaScript オブジェクトのリスト。 [ { "name": "String", "type": "String" } ] データタイプ:アレイ。 | | \.datasetProperties.fieldNames.fieldDetails.\.名前 | このデータセットを制限する情報のタイプを定義するフィールドの名前。 データタイプ:文字列。 | | \.datasetProperties.fieldDetails.\.タイプ | 機械学習フィールドタイプ。 データタイプ:文字列。 | | \.datasetProperties.fieldDetails.encodedQuery | 標準の Glide 形式でエンコードされたクエリ文字列。「 [エンコードされたクエリ文字列」](https://www.servicenow.com/docs/access?context=c_EncodedQueryStrings&version=australia&pubname=australia-platform-user-interface&ft:locale=en-US)を参照してください。 データタイプ:文字列。 | | \.domainName | このデータセットに関連付けられたドメイン名。「 [ドメインセパレーション」および 予測インテリジェンス](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)を参照してください。 データタイプ:文字列。 | | \.inputFieldNames | 推定対象として考慮される文字列としての候補入力フィールドのリスト。 データタイプ:文字列。 | | \.label | 予測タスクを識別します。 { "label": "my first prediction" } データタイプ:文字列。 | | \.name | システムによって割り当てられた名前。 データタイプ:文字列。 | | \.predictedFieldName | 予測可能性のためにトレーニングするフィールドを識別します。 データタイプ:文字列。 | | \.scope | オブジェクトスコープ。現時点で有効な値は `グローバル`値のみです。 データタイプ：文字列 | | \.trainingFrequency | モデルを再トレーニングする頻度。 可能な値： * every_30_days * every_60_days * every_90_days * every_120_days * every_180_days * run_once {#PrdctbltE-getProperties__ul_pmw_523_plb}デフォルト:run_once データタイプ:文字列。 | [表 : 13. 返される内容] {#PrdctbltE-getProperties__table_qps_43z_llb} 次の例では、 予測可能性の推定オブジェクト ます。 var mySolution = sn_ml.PredictabilityEstimateStore.get('ml_sn_global_global_predictability_estimate'); gs.print(JSON.stringify(JSON.parse(mySolution.getProperties()), null, 2)); 出力： *** 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 estimate definition", "name": "ml_x_snc_global_global_my_definition_26", "predictedFieldName": "category", "processingLanguage": "en", "scope": "global", "stopwords": [ "Default English Stopwords" ], "trainingFrequency": "run_once" } ## PredictabilityEstimate:getVersion(文字列バージョン) {#ariaid-title9} 予測可能性の推定値を取得します 指定されたバージョン番号で。 {#PrdctbltE-getVersion_S__table_pps_43z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | version | 文字列 | の既存のバージョン番号 予測可能性の推定値。 | [表 : 14. パラメーター] {#PrdctbltE-getVersion_S__table_pps_43z_llb} {#PrdctbltE-getVersion_S__table_qps_43z_llb__entry__2} | タイプ | 説明 | |-|-| | オブジェクト | [PredictabilityEstimateVersion](https://servicenow-prod.fluidtopics.net/xW6trorz1zyf3vD3yBCDfA#PredictabilityEstimateVersionAPI "PredictabilityEstimateVersion API は、予測インテリジェンスストアで使用されるスクリプト可能なオブジェクトです。") API メソッドを呼び出すことができる [PredictabilityEstimate()](https://servicenow-prod.fluidtopics.net/57paZuJ_FMhuOGsSAEvg0w#PrdctbltE-PredictabilityEstimate_O "予測可能性の推定値を作成します。") オブジェクトの指定されたバージョン。 | [表 : 15. 返される内容] {#PrdctbltE-getVersion_S__table_qps_43z_llb} 次の例は、バージョン番号でソリューションのトレーニングステータスを取得する方法を示しています バージョン番号による予測可能性の推定値。 var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate'); gs.print(JSON.stringify(JSON.parse(mlEstimate.getVersion('1').getStatus()), null, 2)); 出力： { "state": "predictability_estimate_complete", "percentComplete": "100", "hasJobEnded": "true" } ## PredictabilityEstimate:setActiveVersion(文字列バージョン) {#ariaid-title10} ストア内の指定したバージョンの予測可能性の推定をアクティブ化します。 {#PrdctbltE-setActiveVersion_S__table_pps_43z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | version | 文字列 | アクティブ化する [PredictabilityEstimate()](https://servicenow-prod.fluidtopics.net/57paZuJ_FMhuOGsSAEvg0w#PrdctbltE-PredictabilityEstimate_O "予測可能性の推定値を作成します。") オブジェクトバージョンの名前。 このバージョンをアクティブ化すると、他のバージョンはすべて非アクティブ化されます。 | [表 : 16. パラメーター] {#PrdctbltE-setActiveVersion_S__table_pps_43z_llb} {#PrdctbltE-setActiveVersion_S__table_qps_43z_llb__entry__2} | タイプ | 説明 | |-|-| | なし | | [表 : 17. 返される内容] {#PrdctbltE-setActiveVersion_S__table_qps_43z_llb} アクティブ化する方法を示しています 予測可能性の推定 ストアでソリューションバージョン sn_ml.PredictabilityEstimate.setActiveVersion("ml_x_snc_global_global_my_estimate_definition"); ## PredictabilityEstimate:submitTrainingJob() {#ariaid-title11} トレーニングジョブを送信します。 注: このメソッドを実行する前に、 [まず PredictabilityEstimateStore - add()](https://servicenow-prod.fluidtopics.net/3dLjiDWVBuAXQexJMI0qgQ#PredictbltyEstStore-add_O "新しい予測可能性の推定を追加します オブジェクトをストアに追加し、一意の名前を返します。") メソッドを使用して予測可能性の推定値をストアに追加する必要があります。 {#PrdctbltE-submitTrainingJob__table_xmd_33z_llb__entry__3} | 名前 | タイプ | 説明 | |-|-|-| | なし | | | [表 : 18. パラメーター] {#PrdctbltE-submitTrainingJob__table_xmd_33z_llb} {#PrdctbltE-submitTrainingJob__table_ymd_33z_llb__entry__2} | タイプ | 説明 | |-|-| | オブジェクト | [PredictabilityEstimateVersion](https://servicenow-prod.fluidtopics.net/xW6trorz1zyf3vD3yBCDfA#PredictabilityEstimateVersionAPI "PredictabilityEstimateVersion API は、予測インテリジェンスストアで使用されるスクリプト可能なオブジェクトです。") に対応するオブジェクト [PredictabilityEstimate](https://servicenow-prod.fluidtopics.net/57paZuJ_FMhuOGsSAEvg0w#PrdctbltE-PredictabilityEstimate_O "予測可能性の推定値を作成します。") トレーニング対象 | [表 : 19. 返される内容] {#PrdctbltE-submitTrainingJob__table_ymd_33z_llb} 次の例は、データセットを作成し、 予測可能性の推定値、追加 ストアに追加して、トレーニングジョブを送信する // Create a dataset var myData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['assignment_group', 'short_description', 'description'], 'encodedQuery' : 'activeANYTHING' }); // Create an estimate var myEstimate = new sn_ml.PredictabilityEstimate({ 'label': "my estimate definition", 'dataset' : myData, 'predictedFieldName' : 'assignment_group', 'inputFieldNames':['short_description'] }); // Add the estimate to the store to later be able to retrieve it. var my_unique_name = sn_ml.PredictabilityEstimateStore.add(myEstimate); // Train the estimate - this is a long running job var myEstimateVersion = myEstimate.submitTrainingJob();