---
sourceDocument: Xanadu で AI を有効にする
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ja-JP/xanadu/intelligent-experiences
Release :
- xanadu
ft:locale :
- ja-JP
ft:publication_title :
- Xanadu で AI を有効にする
ft:clusterId :
- platai
bundleId :
- platai
workflow :
- Platform
---
# 分類ソリューションのクラス再呼び出しの構成
# 分類ソリューションのクラス再呼び出しの構成 {#ariaid-title1}
* リリースバージョン: Xanadu
*
* 更新日 2024年08月01日
*
*  所要時間：2分
データをトレーニングする前に、クラス再現率パラメーターを作成して ML ソリューションに適用します。たとえば、Email クラスでトレーニングするすべてのレコードに対して、このソリューションパラメーターを 90% の精度に設定して適用します。
## 始める前に
注:
ML ソリューションの詳細設定の構成はオプションです。これらの設定のいずれかを構成する場合は、ソリューションで有効にするテクノロジについて十分な情報が得られていること、およびテクノロジが提供するものからメリットを得るユース ケースがあることを確認してください。
* 分類ソリューション定義を作成して保存するか、既存のものを使用します。
* 必要なロール：admin または ml_admin
{#configure-class-recall-for-classification-solution__ul_clq_rxs_1kb}
## このタスクについて
クラスリコールソリューションパラメーターにより、特定のクラスをバイアスするソリューションのトレーニングを操作できます。たとえば、受信メールをフィッシングとして分類することは、セキュリティ関連の機械学習ソリューションの重要なユースケースになる可能性があります。この状況では、すべてのフィッシングを識別することが非常に重要であり、非フィッシングをフィッシングとして報告しても問題ない場合があります。ただし、実際のフィッシングを非フィッシングとして分類する必要はありません。このような状況では、再現率メトリクスは高い値である必要があり、その結果、精度とカバレッジのパーセンテージが低くなる可能性があります。
## 手順
1. 移動先 すべて予測インテリジェンス分類ソリューション定義.
2. 保存済みの分類ソリューション定義フォームを開きます。
このシナリオ例では、まだトレーニングしていないインシデント分類ソリューション定義フォームを使用します。
3. フォームの \[関連リンク\] セクションにある \[ソリューションの詳細設定\] タブで、\[ 新規\] をクリックします。
4. パラメーターレコードを作成します。
1. \[ソリューションパラメーター\] フィールドで、検索アイコンをクリックします。
2. \[ML ソリューションパラメーター\] 画面で、\[ トレーニング中にクラスの再現率値を追加\] を選択します。
{#configure-class-recall-for-classification-solution__substeps_ow5_5tj_zjb}
5. \[送信\] をクリックします。
\[ソリューションの詳細設定\] レコードが表示されます。
6. \[ ユーザー入力 \] フィールドを設定します。
1. リコール値を追跡するクラス名を入力します。
このシナリオでは、ClassName に「Phish」と入力します。
2. 取り消し率の値を入力します。
\[RecallValue\] に「90」と入力します。
{#configure-class-recall-for-classification-solution__substeps_gt3_kyp_bkb}
ここでは、ターゲット クラスとして Phish を指定しており、 95 はソリューション トレーニング中にシステムに提供するように要求しているリコール率です。
7. \[送信\] をクリックします。
結果： 分類ソリューションに対してクラスの再呼び出しが構成されます。そのソリューションパラメーターは、分類ソリューション定義フォームの \[ソリューションの詳細設定\] タブに表示されます。
## 次のタスク
保存した分類ソリューションをトレーニングします。
**関連概念**
* [トレーニング済み分類ソリューションのターゲットメトリクスの構成](https://servicenow-prod.fluidtopics.net/oayIswABV5mYClaV9bkvJA "トレーニング済み機械学習ソリューションの精度、カバレッジ、再現率の統計の値を設定します。")
**関連タスク**
* [分類ソリューションの作成とトレーニング](https://servicenow-prod.fluidtopics.net/wSIwn8HJtViMyYizhc4j~A "分類ソリューションのトレーニングに使用するレコード、予測をトリガーするフィールド、およびソリューションを再トレーニングする頻度を指定します。")
* [ソリューションの TF-IDF の構成](https://servicenow-prod.fluidtopics.net/ZeSfy~iYo3cDInMA1Pnqxw "予測インテリジェンスの分類、クラスタリング、または類似性ソリューションに用語頻度 - 逆ドキュメント頻度 (TF-IDF) エンコーディングを適用します。")