---
sourceDocument: Xanadu API リファレンス
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ja-JP/xanadu/api-reference

 Release :

    - xanadu

ft:locale :

    - ja-JP

ft:publication_title :

    - Xanadu API リファレンス

ft:clusterId :

    - crapiref

bundleId :

    - crapiref

workflow :

    - Creator


---

# エンコーダー - グローバル

# エンコーダー - グローバル {#ariaid-title1}

* リリースバージョン: Xanadu
* 
* 更新日 2024年08月01日
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 所要時間：19分

Encoder 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を提供します。このオブジェクトは、Encoder 固有の目標と構成に基づいて、入力データを数値のベクトルに変換します。エンコーダーは、エンコーディングを実行するために個別に使用することも、テキスト列をエンコードするソリューションの一部として構成することもできます。

この API には 予測インテリジェンス プラグイン (com.glide.platform_ml) が必要です。この API は `sn_ml` 名前空間内で提供されます。

エンコーダーは、事前にトレーニングされたか、指定した言語データセットに基づいてトレーニングされたテキスト処理オブジェクトです。システムがテキストフィールドをどのように解釈して処理するかを決定するエンコーダーをトレーニングできます。テキストを含む ML ソリューションの場合は、テキストを処理する方法を指定するようにエンコーダーをトレーニングし、 トレーニング済みの エンコーダーをソリューションで使用できます。

Encoder には構成とバージョンがあり、独自の再トレーニング頻度で個別にトレーニングできます。API で定義された Encoder は、UI で定義された Encoder とは異なります。UI で定義された Encoder の再トレーニングは、それらを使用するソリューションによって制御されるためです。  
Encoder の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/kERREiAlGZUL679rFNdNtw#DatasetDefinitionAPI "DatasetDefinition API は、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、および行の選択基準を含むレコードのセット。データセットには実際のデータは含まれていません。") API を使用する 1 つ以上の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/vZtCHwQ5a_NlIiS99H8RMA#Encoder-Encoder_O "Encoder を作成します。") を使用して、Encoder オブジェクトを作成します。
3. [EncoderStore - add()](https://servicenow-prod.fluidtopics.net/XGquCnHxdD_BUcOoHGDr2A#EncoderStore-add_O "新しいエンコーダーを追加します 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、エンコーダー オブジェクトをエンコーダー ストアに追加します。
4. [submitTrainingJob()](https://servicenow-prod.fluidtopics.net/vZtCHwQ5a_NlIiS99H8RMA#Encoder-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、Encoder をトレーニングします。これにより、[EncoderVersion](https://servicenow-prod.fluidtopics.net/v9I7ZQ6xC0UGYNi2LNpDGg#EncoderVersionAPI "EncoderVersion 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を提供します。") 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。

{#EncoderAPI__ol_aqf_1xt_2mb}Encoder をトレーニングすると、ソリューションオブジェクトで使用できます。

* [ClassificationSolution](https://servicenow-prod.fluidtopics.net/v~WYb2DG8hEwgSix0LK4Uw#ClassificationSolutionAPI "ClassificationSolution 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。")
* [ClusteringSolution](https://servicenow-prod.fluidtopics.net/JNhjnRZEV1U3c4yNCXPo5A#ClusteringSolutionAPI "ClusteringSolution 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。") (レーベンシュタイン距離アルゴリズムを使用しない場合は必須)
* [RegressionSolution](https://servicenow-prod.fluidtopics.net/i411SmenQFB8yyt0NRGxiA#RegressionSolutionAPI "RegressionSolution 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。")
* [SimilaritySolution](https://servicenow-prod.fluidtopics.net/3IZ94f09vrxyXV4Bi~9RVg#SimilaritySolutionAPI "SimilaritySolution 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。") (必須)

{#EncoderAPI__ul_v1k_kzq_bmb}  
注:  
この API は全権限で実行します。ユーザーのアクセスを制限するには、スクリプトにアクセス制御メカニズムを含めます。

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=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US)」を参照してください。

## Encoder - Encoder(オブジェクト config) {#ariaid-title2}

Encoder を作成します。
1 つ以上のデータセットの Encoder を取得するには、このコンストラクターを使用して、一意の名前を持つ新しい Encoder オブジェクトを作成します。
{#Encoder-Encoder_O__table_gm2_yt5_flb__entry__3}{#Encoder-Encoder_O__solution-obj-domainN-default}{#Encoder-Encoder_O__solution-obj-lang-desc}{#Encoder-Encoder_O__solution-obj-stop-desc}

| 名前 | タイプ | 説明 |
|-|-|-|
| config | オブジェクト | の構成プロパティを含む JavaScript オブジェクト エンコーダー。 { "algorithmConfig": {Object}, "datasets": [Array], "domainName": "String", "label": "String", "minRowCount": "String", "processingLanguage": "String", "stopwords": [Array], "trainingFrequency": "String" } |
| config.algorithmConfig | オブジェクト | オプション。 アルゴリズム設定プロパティを含む JavaScript オブジェクト。 'algorithmConfig' : { "algorithm": "String" } |
| config.algorithmConfig.algorithm | 文字列 | このエンコーダーをトレーニングするためのアルゴリズムの名前。 可能な値： * paravec：パラグラフベクトルワード埋め込み。 * tf-idf：用語頻度 - 逆ドキュメント頻度 (TF-IDF) ベースのテキスト。 {#Encoder-Encoder_O__ul_encoder_alg_vals} |
| config.datasets | アレイ | [DatasetDefinition](https://servicenow-prod.fluidtopics.net/kERREiAlGZUL679rFNdNtw#DatasetDefinitionAPI "DatasetDefinition API は、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、および行の選択基準を含むレコードのセット。データセットには実際のデータは含まれていません。") オブジェクト名のリストです。 |
| 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=xanadu&pubname=xanadu-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。例：`"global"`。 |
| 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。トレーニング用の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.processingLanguage | 文字列 | オプション。2 文字の ISO 639-1 言語コード形式の処理言語。 デフォルト値：「en」 |
| config.stopwords | アレイ | オプション。language プロパティ設定に基づいて自動的に生成される文字列のプリセットリスト。詳しくは、 [カスタムストップワードリストの作成](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US)を参照してください。 デフォルト：英語のストップワード |
| config.trainingFrequency | 文字列 | 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 {#Encoder-Encoder_O__ul_pmw_523_plb}デフォルト：run_once |
[表 : 1. パラメーター]

{#Encoder-Encoder_O__table_gm2_yt5_flb}  
次の例は、Encoder ジョブを作成して Encoder ストアに追加する方法を示しています。

    var myPrbData = new sn_ml.DatasetDefinition({
        'tableName' : 'problem',
        'fieldNames' : ['short_description'],
        'encodedQuery' : 'activeANYTHING'
    });

    var myIncidentData = new sn_ml.DatasetDefinition({
        'tableName' : 'incident',
        'fieldNames' : ['short_description', 'description'],
        'encodedQuery' : 'activeANYTHING'
    });

    var myEncoder = new sn_ml.Encoder({
        'label': "encoder",
        'datasets' : [myPrbData, myIncidentData],
        'algorithmConfig' : {
            'algorithm' : 'tf-idf'
        }
    });
    var myEncoderName = sn_ml.EncoderStore.add(myEncoder);

## Encoder - cancelTrainingJob() {#ariaid-title3}

トレーニングのために送信された エンコーダーオブジェクト のジョブをキャンセルします。
{#Encoder-cancelTrainingJob__table_bpb_k3z_llb__entry__3}

| 名前 | タイプ | 説明 |
|-|-|-|
| なし |   |   |
[表 : 2. パラメーター]

{#Encoder-cancelTrainingJob__table_bpb_k3z_llb} {#Encoder-cancelTrainingJob__table_cpb_k3z_llb__entry__2}

| タイプ | 説明 |
|-|-|
| なし |   |
[表 : 3. 返される内容]

{#Encoder-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 myEncoder = sn_ml.EncoderStore.get('ml_sn_global_global_encoder');

    myEncoder.cancelTrainingJob();

## Encoder - getActiveVersion() {#ariaid-title4}

アクティブな EncoderVersion オブジェクト。
{#Encoder-getActiveVersion__table_tvl_m3z_llb__entry__3}

| 名前 | タイプ | 説明 |
|-|-|-|
| なし |   |   |
[表 : 4. パラメーター]

{#Encoder-getActiveVersion__table_tvl_m3z_llb} {#Encoder-getActiveVersion__table_uvl_m3z_llb__entry__2}

| タイプ | 説明 |
|-|-|
| オブジェクト | アクティブな [EncoderVersion](https://servicenow-prod.fluidtopics.net/v9I7ZQ6xC0UGYNi2LNpDGg#EncoderVersionAPI "EncoderVersion 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を提供します。") オブジェクトです。 |
[表 : 5. 返される内容]

{#Encoder-getActiveVersion__table_uvl_m3z_llb}  
次の例は、 Encoder ストアからアクティブなバージョンを取得し、そのトレーニング状態を返す

    var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder');

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

出力:

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

## Encoder - getAllVersions() {#ariaid-title5}

Encoder のすべてのバージョンを取得します。
{#Encoder-getAllVersions__table_tvl_m3z_llb__entry__3}

| 名前 | タイプ | 説明 |
|-|-|-|
| なし |   |   |
[表 : 6. パラメーター]

{#Encoder-getAllVersions__table_tvl_m3z_llb} {#Encoder-getAllVersions__table_uvl_m3z_llb__entry__2}

| タイプ | 説明 |
|-|-|
| アレイ | Encoder オブジェクトの既存のバージョンです。「[EncoderVersion](https://servicenow-prod.fluidtopics.net/v9I7ZQ6xC0UGYNi2LNpDGg#EncoderVersionAPI "EncoderVersion 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を提供します。") API」も参照してください。 |
[表 : 7. 返される内容]

{#Encoder-getAllVersions__table_uvl_m3z_llb}  
次の例は、すべての Encoder バージョンオブジェクトを取得し、それらに対して getVersionNumber() と getStatus() の Encoder バージョンメソッドを呼び出す方法を示しています。

    var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder');

    var mlEncoderVersions = mlEncoder.getAllVersions();

    for (i = 0; i < mlEncoderVersions.length; i++) {
    gs.print("Version " + mlEncoderVersions[i].getVersionNumber() + " Status: " + mlEncoderVersions[i].getStatus() +"\n");
    };

出力:

    Version 3 Status: {"state":"encoder_complete","percentComplete":"100","hasJobEnded":"true"}

    Version 2 Status: {"state":"encoder_complete","percentComplete":"100","hasJobEnded":"true"}

    Version 1 Status: {"state":"encoder_cancelled","percentComplete":"0","hasJobEnded":"true"}

## Encoder - getLatestVersion() {#ariaid-title6}

Encoder の最新バージョンを取得します。
{#Encoder-getLatestVersion__table_tvl_m3z_llb__entry__3}

| 名前 | タイプ | 説明 |
|-|-|-|
| なし |   |   |
[表 : 8. パラメーター]

{#Encoder-getLatestVersion__table_tvl_m3z_llb} {#Encoder-getLatestVersion__table_uvl_m3z_llb__entry__2}

| タイプ | 説明 |
|-|-|
| オブジェクト | [EncoderVersion](https://servicenow-prod.fluidtopics.net/v9I7ZQ6xC0UGYNi2LNpDGg#EncoderVersionAPI "EncoderVersion 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を提供します。") の最新バージョンに対応するオブジェクト[Encoder()](https://servicenow-prod.fluidtopics.net/vZtCHwQ5a_NlIiS99H8RMA#Encoder-Encoder_O "Encoder を作成します。") を呼び出します。 |
[表 : 9. 返される内容]

{#Encoder-getLatestVersion__table_uvl_m3z_llb}  
次の例は、エンコーダーとそのトレーニングステータスを返します。

    var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder');

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

出力:

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

## Encoder - getName() {#ariaid-title7}

ストアの操作に使用するオブジェクトの名前を取得します。
{#Encoder-getName__table_pps_43z_llb__entry__3}

| 名前 | タイプ | 説明 |
|-|-|-|
| なし |   |   |
[表 : 10. パラメーター]

{#Encoder-getName__table_pps_43z_llb} {#Encoder-getName__table_qps_43z_llb__entry__2}

| タイプ | 説明 |
|-|-|
| 文字列 | Encoder オブジェクトの名前です。 |
[表 : 11. 返される内容]

{#Encoder-getName__table_qps_43z_llb}  
次の例は、 Encoder 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 encoder
    var myIncidentData = new sn_ml.DatasetDefinition({
       'tableName' : 'incident',
       'fieldNames' : ['category', 'short_description', 'priority'],
       'encodedQuery' : 'activeANYTHING'
    });

    var eligibleFields = JSON.parse(myIncidentData.getEligibleFields(encoder));

    var myEncoder = new sn_ml.Encoder({
       'label': "my encoder",
       'datasets' : [myIncidentData],
       'inputFieldNames': eligibleFields['eligibleInputFieldNames'],
       'predictedFieldName': 'category'
    });

    // update encoder
    sn_ml.EncoderStore.update('ml_x_snc_global_global_my_definition_4', myEncoder);

    // print encoder name
    gs.print('Encoder Name: '+myEncoder.getName());

出力:

    Encoder Name: ml_x_snc_global_global_my_definition_4

## Encoder - getProperties() {#ariaid-title8}

ソリューションオブジェクトプロパティを取得します。
{#Encoder-getProperties__table_pps_43z_llb__entry__3}

| 名前 | タイプ | 説明 |
|-|-|-|
| なし |   |   |
[表 : 12. パラメーター]

{#Encoder-getProperties__table_pps_43z_llb} {#Encoder-getProperties__table_qps_43z_llb__entry__2}

| タイプ | 説明 |
|-|-|
| オブジェクト | データセットのコンテンツと [EncoderStore](https://servicenow-prod.fluidtopics.net/XGquCnHxdD_BUcOoHGDr2A#EncoderStoreAPI "EncoderStore API には、エンコーダーを格納および取得するためのメソッドが用意されています。") 内の [Encode()](https://servicenow-prod.fluidtopics.net/vZtCHwQ5a_NlIiS99H8RMA#Encoder-Encoder_O "Encoder を作成します。") オブジェクトの詳細です。 { "algorithmConfig" : {Object}, "datasetsProperties": [Array], "domainName": "String", "label": "String", "name": "String", "processingLanguage": "String", "scope": "String", "stopwords": [Array], "trainingFrequency": "String" } |
| \<Object\>.algorithmConfig.algorithm | このエンコーダーをトレーニングするためのアルゴリズムの名前。 可能な値： * paravec：パラグラフベクトルワード埋め込み。 * tf-idf：用語頻度 - 逆ドキュメント頻度 (TF-IDF) ベースのテキスト。 {#Encoder-getProperties__ul_encoder_alg_vals} データタイプ：文字列。 |
| \<Object\>.algorithmConfig | オプション。 アルゴリズム設定プロパティを含む JavaScript オブジェクト。 'algorithmConfig' : { "algorithm": "String" } データタイプ：オブジェクト。 |
| \<Object\>.datasetsProperties | Encoder に関連付けられた [DatasetDefinition()](https://servicenow-prod.fluidtopics.net/kERREiAlGZUL679rFNdNtw#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、およびクエリーでデータセットを定義できるようにします。") プロパティのリストです。 { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } データタイプ：アレイ。 |
| \<Object\>.datasetsProperties.tableName | データセットのテーブルの名前。例：`"tableName" : "Incident"` データタイプ：文字列。 |
| \<Object\>.datasetsProperties.fieldNames | 指定されたテーブルからの文字列としてのフィールド名のリスト。例：`"fieldNames" : ["short_description", "priority"]` データタイプ：アレイ。 |
| \<Object\>.datasetsProperties.fieldNames.fieldDetails | フィールド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。 |
| \<Object\>.datasetsProperties.fieldNames.fieldDetails.\<object\>.name | 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。 |
| \<Object\>.datasetsProperties.fieldDetails.\<object\>.type | 機械学習フィールドタイプ。 データタイプ：文字列。 |
| \<Object\>.datasetsProperties.fieldDetails.encodedQuery | 標準の Glide 形式の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=xanadu&pubname=xanadu-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。 |
| \<Object\>.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=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US)「」を参照してください。 データタイプ：文字列。 |
| \<Object\>.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。 |
| \<Object\>.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。 |
| \<Object\>.predictedFieldName | 予測可能性について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。 |
| \<Object\>.processingLanguage | 2 文字の ISO 639-1 言語コード形式の処理言語。 データタイプ：文字列。 |
| \<Object\>.scope | オブジェクトスコープ。現在、有効な値は `global` のみです。 データタイプ：文字列 |
| \<Object\>.stopwords | オプション。language プロパティ設定に基づいて自動的に生成される文字列のプリセットリスト。詳しくは、 [カスタムストップワードリストの作成](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US)を参照してください。 データタイプ：アレイ。 |
| \<Object\>.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 {#Encoder-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]

{#Encoder-getProperties__table_qps_43z_llb}  
次の例では、ストア内の エンコーダーオブジェクト のプロパティを取得します。

    var myEncoder = sn_ml.EncoderStore.get('ml_sn_global_global_encoder');

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

出力:

    *** Script: {
      "datasetsProperties": [
        {
          "tableName": "incident",
          "fieldNames": [
            "assignment_group",
            "short_description",
            "description"
          ],
          "encodedQuery": "activeANYTHING"
        }
      ],
      "domainName": "global",
      "label": "my encoder definition",
      "name": "ml_x_snc_global_global_my_encoder_definition",
      "processingLanguage": "en",
      "scope": "global",
      "stopwords": [
        "Default English Stopwords"
      ],
      "trainingFrequency": "run_once"
    }

## Encoder - getVersion(文字列 version) {#ariaid-title9}

指定されたバージョン番号を使用します。Encoder を取得します。
{#Encoder-getVersion_S__table_pps_43z_llb__entry__3}

| 名前 | タイプ | 説明 |
|-|-|-|
| version | 文字列 | Encoder ソリューションの既存のバージョン番号。 |
[表 : 14. パラメーター]

{#Encoder-getVersion_S__table_pps_43z_llb} {#Encoder-getVersion_S__table_qps_43z_llb__entry__2}

| タイプ | 説明 |
|-|-|
| オブジェクト | [EncoderVersion](https://servicenow-prod.fluidtopics.net/v9I7ZQ6xC0UGYNi2LNpDGg#EncoderVersionAPI "EncoderVersion 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を提供します。") API メソッドを呼び出すことができる [Encoder()](https://servicenow-prod.fluidtopics.net/vZtCHwQ5a_NlIiS99H8RMA#Encoder-Encoder_O "Encoder を作成します。") オブジェクトの指定されたバージョンです。 |
[表 : 15. 返される内容]

{#Encoder-getVersion_S__table_qps_43z_llb}  
次の例は、バージョン番号別にソリューションのトレーニングステータス エンコーダーをバージョン番号で

    var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder');

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

出力:

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

## Encoder - setActiveVersion(文字列 version) {#ariaid-title10}

ストア内の指定されたバージョンの Encoder をアクティブ化します。
{#Encoder-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 [Encoder()](https://servicenow-prod.fluidtopics.net/vZtCHwQ5a_NlIiS99H8RMA#Encoder-Encoder_O "Encoder を作成します。") オブジェクトバージョンの名前です。 このバージョンをアクティブ化すると、他のバージョンが非アクティブになります。 |
[表 : 16. パラメーター]

{#Encoder-setActiveVersion_S__table_pps_43z_llb} {#Encoder-setActiveVersion_S__table_qps_43z_llb__entry__2}

| タイプ | 説明 |
|-|-|
| なし |   |
[表 : 17. 返される内容]

{#Encoder-setActiveVersion_S__table_qps_43z_llb}  
次の例は、ストア内の エンコーダー バージョンを有効にする方法を示しています。

    sn_ml.Encoder.setActiveVersion("ml_incident_categorization");

## Encoder - 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 [EncoderStore - add()](https://servicenow-prod.fluidtopics.net/XGquCnHxdD_BUcOoHGDr2A#EncoderStore-add_O "新しいエンコーダーを追加します 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、ストアに Encoder を追加する必要があります。
{#Encoder-submitTrainingJob__table_xmd_33z_llb__entry__3}

| 名前 | タイプ | 説明 |
|-|-|-|
| なし |   |   |
[表 : 18. パラメーター]

{#Encoder-submitTrainingJob__table_xmd_33z_llb} {#Encoder-submitTrainingJob__table_ymd_33z_llb__entry__2}

| タイプ | 説明 |
|-|-|
| オブジェクト | [EncoderVersion](https://servicenow-prod.fluidtopics.net/v9I7ZQ6xC0UGYNi2LNpDGg#EncoderVersionAPI "EncoderVersion 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を提供します。") に対応するオブジェクト [エンコーダー](https://servicenow-prod.fluidtopics.net/vZtCHwQ5a_NlIiS99H8RMA#Encoder-Encoder_O "Encoder を作成します。") トレーニング対象 |
[表 : 19. 返される内容]

{#Encoder-submitTrainingJob__table_ymd_33z_llb}  
次の例は、データセットを作成してソリューションに適用し エンコーダー、それを次に追加 をストアに追加して、トレーニングジョブを送信する方法を示しています。

    // Create a dataset 
    var myData = new sn_ml.DatasetDefinition({

      'tableName' : 'incident',
      'fieldNames' : ['assignment_group', 'short_description', 'description'],
      'encodedQuery' : 'activeANYTHING'

    });

    // Create an encoder 
    var myEncoder = new sn_ml.Encoder({

      'label': "my encoder definition",
      'datasets' : [myData],
      'predictedFieldName' : 'assignment_group',
      'inputFieldNames':['short_description']

    });

    // Add the encoder to the store to later be able to retrieve it.
    var my_unique_name = sn_ml.EncoderStore.add(myEncoder);

    // Train the encoder - this is a long running job 
    var myEncoderVersion = myEncoder.submitTrainingJob();