---
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


---

# PredictabilityEstimate - グローバル

# PredictabilityEstimate - 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：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か、またそのフィールドの予測にどの機能が役立つかという推定を提供します。

この API には 予測インテリジェンス プラグイン (com.glide.platform_ml) が必要です。この API は `sn_ml` 名前空間内で提供されます。  
予測可能性推定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/cfwmprw04noTW3x1hEXr4w#PrdctbltE-PredictabilityEstimate_O "予測可能性推定を作成します。")を使用して予測可能性推定オブジェクトを作成します。
3. [PredictabilityEstimateStore - add()](https://servicenow-prod.fluidtopics.net/_Brz6nwhtkWCZaWcHI2qCw#PredictbltyEstStore-add_O "新しい予測可能性推定をオブジェクトをストアに追加し、一意の名前を返します。に追加") 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/cfwmprw04noTW3x1hEXr4w#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推定をトレーニングします。これにより、[PredictabilityEstimateVersion](https://servicenow-prod.fluidtopics.net/EYrhyHGRBChphD54GgLKEA#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/EYrhyHGRBChphD54GgLKEA#PredictbltyEstV-getResults "出力フィールドに対して提案された入力フィールドを含む JSON の結果を返します。") 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。

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

予測可能性推定を作成します。
同じデータセットで新しい予測可能性推定を取得するには、このコンストラクターを使用し、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 |
|-|-|-|
| 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 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/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。") 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=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.inputFieldNames | アレイ | 推定の際に考慮される入力フィールド候補 (文字列) 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.predictedFieldName | 文字列 | 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。 |
| 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、推定ジョブを作成して 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します。 予測可能性推定オブジェクト 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}

アクティブな 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/EYrhyHGRBChphD54GgLKEA#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、 PredictabilityEstimate 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 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 予測可能性推定。
{#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/EYrhyHGRBChphD54GgLKEA#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、それらに対して getVersionNumber() と getStatus() の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 予測可能性推定。
{#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/EYrhyHGRBChphD54GgLKEA#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[PredictabilityEstimate()](https://servicenow-prod.fluidtopics.net/cfwmprw04noTW3x1hEXr4w#PrdctbltE-PredictabilityEstimate_O "予測可能性推定を作成します。")です。 |
[表 : 9. 返される内容]

{#PrdctbltE-getLatestVersion__table_uvl_m3z_llb}  
次の例は、予測可能性推定を取得して、そのトレーニングステータスを返す方法を示しています。

    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}

ストアの操作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 | 推定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、 PredictabilityEstimate 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の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/_Brz6nwhtkWCZaWcHI2qCw#PredictabilityEstimateStoreAPI "の保存と取得を有効にします予測可能性推定。") 内のデータセットと [PredictabilityEstimate()](https://servicenow-prod.fluidtopics.net/cfwmprw04noTW3x1hEXr4w#PrdctbltE-PredictabilityEstimate_O "予測可能性推定を作成します。") 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" } |
| \<Object\>.datasetProperties | 推定に関連付けられた [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。") 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" } |
| \<Object\>.datasetProperties.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\>.datasetProperties.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\>.datasetProperties.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\>.datasetProperties.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\>.datasetProperties.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\>.datasetProperties.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\>.inputFieldNames | 推定の際に考慮される入力フィールド候補 (文字列) のリスト。 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\>.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\>.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、ストア内の 予測可能性推定オブジェクト のプロパティを取得します。

    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 version) {#ariaid-title9}

指定されたバージョン番号を使用します。予測可能性推定を取得します。
{#PrdctbltE-getVersion_S__table_pps_43z_llb__entry__3}

| 名前 | タイプ | 説明 |
|-|-|-|
| version | 文字列 | ソリューションの既存のバージョン番号 予測可能性推定。 |
[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/EYrhyHGRBChphD54GgLKEA#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 メソッドを呼び出せる [PredictabilityEstimate()](https://servicenow-prod.fluidtopics.net/cfwmprw04noTW3x1hEXr4w#PrdctbltE-PredictabilityEstimate_O "予測可能性推定を作成します。") 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}  
予測可能性推定をバージョン番号ごとに次の例は、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。

    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 version) {#ariaid-title10}

ストア内の指定されたバージョンの予測可能性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/cfwmprw04noTW3x1hEXr4w#PrdctbltE-PredictabilityEstimate_O "予測可能性推定を作成します。") オブジェクトのバージョンの名前。 このバージョンをアクティブ化すると、他のバージョンが非アクティブになります。 |
[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}  
次の例は、ストア内の予測可能性推定バージョンを有効にする方法を示しています。

    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/_Brz6nwhtkWCZaWcHI2qCw#PredictbltyEstStore-add_O "新しい予測可能性推定をオブジェクトをストアに追加し、一意の名前を返します。に追加") メソッドを使用して、ストアに予測可能性推定を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/EYrhyHGRBChphD54GgLKEA#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 [予測可能性の見積もり](https://servicenow-prod.fluidtopics.net/cfwmprw04noTW3x1hEXr4w#PrdctbltE-PredictabilityEstimate_O "予測可能性推定を作成します。") トレーニング対象 |
[表 : 19. 返される内容]

{#PrdctbltE-submitTrainingJob__table_ymd_33z_llb}  
予測可能性推定を次の例は、データセットを作成してソリューションに適用し、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。に追加します

    // 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();