---
sourceDocument: 호주 API 참조
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ko-KR/api-reference

 Release :

    - australia

ft:locale :

    - ko-KR

ft:publication_title :

    - 호주 API 참조

ft:clusterId :

    - crapiref

bundleId :

    - crapiref

workflow :

    - Creator


---

# ClassificationSolution - 전역

# ClassificationSolution - 전역 {#ariaid-title1}

* 릴리스 버전: Australia
* 
* 업데이트 날짜 2026년 03월 12일
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 20분

ClassificationSolution API는 스토어에서 예측 인텔리전스 사용되는 스크립트 가능한 객체입니다.

이것 API에는 플러그인(com.glide.platform_ml)이 필요 예측 인텔리전스 하며 `sn_ml` 네임스페이스 내에서 제공됩니다.  
솔루션 설정부터 교육까지의 플로우는 다음과 같습니다.

1. [DatasetDefinition](https://servicenow-prod.fluidtopics.net/o0mItlJWRoXXtFiWYvWHUw#DatasetDefinitionAPI "DatasetDefinition API는 식별하는 메서드를 제공합니다.ML 교육 알고리즘에 대한 입력으로 사용할 테이블 이름, 열 및 행 선택 기준을 포함하는 일련의 기록입니다. 데이터 세트에는 실제 데이터가 포함되어 있지 않습니다.") API를 사용하여 데이터 세트를 만듭니다.
2. 옵션입니다. [인코더](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#EncoderAPI "인코더 API는 저장소에서 예측 인텔리전스 사용되는 스크립트 가능한 객체를 제공합니다. 이 객체는 인코더별 목표 및 구성에 따라 입력 데이터를 숫자 벡터로 변환합니다. 인코더는 인코딩을 실행하는 데 독립적으로 사용하거나 텍스트 열을 인코딩하는 솔루션의 일부로 구성할 수 있습니다.") API를 사용하여 인코더를 빌드합니다.
3. [생성자를](https://servicenow-prod.fluidtopics.net/G9ShyKlE9a7rqZyYhZcqOg#ClassifictnSol-ClassificationSolution_O "분류 솔루션을 생성합니다.") 사용하여 분류 솔루션 개체를 만듭니다.
4. [ClassificationSolutionStore - add()](https://servicenow-prod.fluidtopics.net/rQ_EFVvAYaMuUT3j144cLA#ClassificationStore-add_O "스토어에 새 솔루션 객체를 추가 하고 고유한 이름을 반환합니다.") 메서드를 사용하여 솔루션 개체를 분류 솔루션 저장소에 추가합니다.
5. [submitTrainingJob()](https://servicenow-prod.fluidtopics.net/G9ShyKlE9a7rqZyYhZcqOg#ClassifictnSol-submitTrainingJob "교육 작업을 제출합니다.") 메서드를 사용하여 솔루션을 교육합니다. 이렇게 하면 [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/Unmnd_Elaxjy9CtjrxDB1g#ClassificationSolutionVersionAPI "ClassificationSolutionVersion API는 저장소에서 예측 인텔리전스 사용되는 스크립트 가능한 객체입니다.") API를 사용하여 관리할 수 있는 객체 버전이 생성됩니다.
6. [ClassificationSolutionVersion -- predict()](https://servicenow-prod.fluidtopics.net/Unmnd_Elaxjy9CtjrxDB1g#ClssfnV-predict_O_O "예측에 대한 입력 데이터를 가져옵니다.") 메서드를 사용하여 예측을 가져옵니다.

{#ClassificationSolutionAPI__ol_mmm_n1c_dmb}  
주:  
이 API는 Vancouver 패치 7 핫픽스 2b 및 Washington DC 패치 7 릴리스 전에 모든 권한으로 실행됩니다. 이후 릴리스에서는 ACL을 사용하여 액세스 권한을 부여합니다. 자세한 내용은 다음 문서를 참조하십시오 [Query ACLs](https://www.servicenow.com/docs/access?context=query-acl-rule&version=australia&pubname=australia-platform-security&ft:locale=en-US).

사용 지침은 [ML API 사용을 참조하세요.](https://www.servicenow.com/docs/access?context=using-ml-apis&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)

## ClassificationSolution - ClassificationSolution(객체 구성) {#ariaid-title2}

분류 솔루션을 생성합니다.
{#ClassifictnSol-ClassificationSolution_O__table_gm2_yt5_flb__entry__3}{#ClassifictnSol-ClassificationSolution_O__solution-obj-domainN-default}{#ClassifictnSol-ClassificationSolution_O__solution-obj-lang-desc}{#ClassifictnSol-ClassificationSolution_O__solution-obj-stop-desc}

| 이름 | 유형 | 설명 |
|-|-|-|
| 구성 | 객체 | 의 구성 속성을 포함하는 JavaScript 객체 해결책. { "algorithmConfig": {Object}, "dataset": {Object}, "domainName": "String", "encoder": {Object}, "groupByFieldName": "String", "inputFieldNames": [Array], "label": "String", "minRowCount": "String", "predictedFieldName": "String", "processingLanguage": "String", "stopwords": [Array], "trainingFrequency": "String" } |
| config.algorithmConfig | 객체 | 알고리즘 구성 속성을 포함하는 JavaScript 객체입니다. 'algorithmConfig' : { "algorithm": "String", "targetClassRecall": "String" } |
| config.algorithmConfig.algorithm | 문자열 | 솔루션을 인코딩하는 방법입니다. 가능한 값: * xgboost: XGBoost 인코딩을 사용하여 학습을 최적화합니다. * logisticRegression: 명목 또는 순서와 같은 범주형 대상에 대해 로지스틱 회귀 모델을 사용하는 방법입니다. {#ClassifictnSol-ClassificationSolution_O__ul_wtd_l2k_xlb} |
| config.algorithmConfig.targetClassRecall | 문자열 | 클래스 회수 매개변수를 적용하여 솔루션의 교육이 특정 클래스를 편향하도록 조정합니다. 형식은 `"<ClassName:RecallValue>"` 이며, 여기서 회수 값은 백분율을 나타내는 0에서 100 사이의 숫자입니다. 예를 들어 Email 클래스에서 교육하는 모든 기록에 대해 이 솔루션 매개변수를 90% 정확도로 설정하고 적용하려면 값을 `"Email:90"`으로 설정합니다. |
| config.dataset | 객체 | [DatasetDefinition](https://servicenow-prod.fluidtopics.net/o0mItlJWRoXXtFiWYvWHUw#DatasetDefinitionAPI "DatasetDefinition API는 식별하는 메서드를 제공합니다.ML 교육 알고리즘에 대한 입력으로 사용할 테이블 이름, 열 및 행 선택 기준을 포함하는 일련의 기록입니다. 데이터 세트에는 실제 데이터가 포함되어 있지 않습니다.") 이름입니다. |
| config.domainName | 문자열 | 옵션입니다. 이 데이터 세트와 연결된 도메인 이름입니다. [도메인 분리 및 예측 인텔리전스](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)를 참조하십시오. 기본값: 현재 도메인(예: `"전역"`). |
| config.encoder | 객체 | 옵션입니다. 이 솔루션에 할당할 학습된 인코더 객체입니다. [인코더 - 인코더(객체 구성)](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#Encoder-Encoder_O "인코더를 생성합니다.") 문서를 참조하십시오. |
| config.explainability | 부울 | 모델 설명가능성을 제공할지 여부를 나타내는 플래그입니다. 모델 설명 가능성을 사용하여 모델의 예측에 대한 각 입력 필드의 중요도를 식별합니다. 유효한 값은 다음과 같습니다. * true: 분류 모델에 설명 가능성 세부 정보가 포함됩니다. 정보는 모델 솔루션 양식의 기능 중요도 탭에서 볼 수 있습니다. * false: 분류 모델에 설명 가능성 세부 정보가 포함되어 있지 않습니다. {#ClassifictnSol-ClassificationSolution_O__ul_hvv_p4t_mfc} 기본값: false 참조: [Model Explainability](https://www.servicenow.com/docs/access?context=predictive-intel-explainability&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US) |
| config.groupByFieldName | 문자열 | 옵션입니다. 시스템이 분류 솔루션을 빌드하기 위해 기록을 그룹화하는 기준으로 사용할 필드 이름입니다.사용 정보는 [분류에 그룹 기준 사용을 참조하십시오.](https://www.servicenow.com/docs/access?context=using-group-by-for-classification&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US) |
| config.inputFieldNames | 배열 | 문자열로 된 입력 필드 이름 목록입니다. 모델은 예측에 사용되는 이러한 필드를 사용합니다. |
| config.label | 문자열 | 예측 작업을 식별합니다. |
| config.minRowCount | 문자열 | 옵션입니다. 교육을 위해 데이터 세트에 필요한 최소 기록 수입니다. 기본값: 10000 |
| config.predictedFieldName | 문자열 | 예측 가능성을 학습시킬 필드를 식별합니다. |
| config.processingLanguage | 문자열 | 옵션입니다. 두 글자 ISO 639-1 언어 코드 형식의 처리 언어입니다. 기본값: "en" |
| config.stopwords | 배열 | 옵션입니다. 속성 설정에 따라 시스템이 자동으로 생성하는 문자열의 사전 설정 목록입니다 language . 자세한 내용은 [사용자 지정 스톱 워드 목록 만들기](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)를 참조하세요. 기본값: 영어 스톱 워드 |
| config.trainingFrequency | 문자열 | 모델을 재교육할 빈도입니다. 가능한 값: * every_30_days * every_60_days * every_90_days * every_120_days * every_180_days * run_once {#ClassifictnSol-ClassificationSolution_O__ul_pmw_523_plb}기본값: run_once |
[표 1. 매개변수]

{#ClassifictnSol-ClassificationSolution_O__table_gm2_yt5_flb}  
다음 예제에서는 객체를 생성하고 객체를 ClassificationSolution 스토어입니다.

    var myData = new sn_ml.DatasetDefinition(
      { 
         'tableName' : 'incident', 
         'fieldNames' : ['category', 'short_description', 'priority'],
         'fieldDetails' : [
           {
             'name' : 'category',
             'type' : 'nominal'
           },
           {
             'name' : 'short_description',
             'type' : 'text'
           }], 
         'encodedQuery' : 'activeANYTHING'
      });

    var mySolution = new sn_ml.ClassificationSolution({
      'label': "my solution definition",
      'dataset' : myData,
      'predictedFieldName' : 'category',
      'inputFieldNames': ['short_description']
    });

    var myClassificationName = sn_ml.ClassificationSolutionStore.add(mySolution);

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

에 대한 작업을 취소 솔루션 객체 교육을 위해 제출된
{#ClassifictnSol-cancelTrainingJob__table_bpb_k3z_llb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 안 함 |   |   |
[표 2. 매개변수]

{#ClassifictnSol-cancelTrainingJob__table_bpb_k3z_llb} {#ClassifictnSol-cancelTrainingJob__table_cpb_k3z_llb__entry__2}

| 유형 | 설명 |
|-|-|
| 안 함 |   |
[표 3. 반환]

{#ClassifictnSol-cancelTrainingJob__table_cpb_k3z_llb}  
다음 예는 기존 교육 작업을 취소하는 방법을 보여줍니다.

    var mySolution = sn_ml.ClassificationSolutionStore.get('ml_sn_global_global_classification');

    mySolution.cancelTrainingJob();

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

활성 항목을 가져옵니다. ClassificationSolutionVersion 객체입니다.
{#ClassifictnSol-getActiveVersion__table_tvl_m3z_llb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 안 함 |   |   |
[표 4. 매개변수]

{#ClassifictnSol-getActiveVersion__table_tvl_m3z_llb} {#ClassifictnSol-getActiveVersion__table_uvl_m3z_llb__entry__2}

| 유형 | 설명 |
|-|-|
| 객체 | 활성 [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/Unmnd_Elaxjy9CtjrxDB1g#ClassificationSolutionVersionAPI "ClassificationSolutionVersion API는 저장소에서 예측 인텔리전스 사용되는 스크립트 가능한 객체입니다.") 객체입니다. |
[표 5. 반환]

{#ClassifictnSol-getActiveVersion__table_uvl_m3z_llb}  
다음 예제에서는 분류솔루션 스토어에서 활성 버전을 가져오고 교육 상태를 반환

    var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_classification');

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

출력:

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

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

의 모든 버전을 가져옵니다. 분류 솔루션입니다.
{#ClassifictnSol-getAllVersions__table_tvl_m3z_llb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 안 함 |   |   |
[표 6. 매개변수]

{#ClassifictnSol-getAllVersions__table_tvl_m3z_llb} {#ClassifictnSol-getAllVersions__table_uvl_m3z_llb__entry__2}

| 유형 | 설명 |
|-|-|
| 배열 | 솔루션 객체의 기존 버전입니다. 더 보기 [분류솔루션버전](https://servicenow-prod.fluidtopics.net/Unmnd_Elaxjy9CtjrxDB1g#ClassificationSolutionVersionAPI "ClassificationSolutionVersion API는 저장소에서 예측 인텔리전스 사용되는 스크립트 가능한 객체입니다.") API입니다. |
[표 7. 반환]

{#ClassifictnSol-getAllVersions__table_uvl_m3z_llb}  
다음 예제에서는 모든 ClassificationSolution 버전 개체를 가져오고 해당 개체에 대해 getVersionNumber() 및 getStatus() 솔루션 버전 메서드를 호출하는 방법을 보여줍니다.

    var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_classification');

    var mlSolutionVersions = mlSolution.getAllVersions();

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

출력:

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

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

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

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

의 최신 버전을 가져옵니다. 해결책.
{#ClassifictnSol-getLatestVersion__table_tvl_m3z_llb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 안 함 |   |   |
[표 8. 매개변수]

{#ClassifictnSol-getLatestVersion__table_tvl_m3z_llb} {#ClassifictnSol-getLatestVersion__table_uvl_m3z_llb__entry__2}

| 유형 | 설명 |
|-|-|
| 객체 | [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/Unmnd_Elaxjy9CtjrxDB1g#ClassificationSolutionVersionAPI "ClassificationSolutionVersion API는 저장소에서 예측 인텔리전스 사용되는 스크립트 가능한 객체입니다.") 의 최신 버전에 해당하는 객체 a [ClassificationSolution()](https://servicenow-prod.fluidtopics.net/G9ShyKlE9a7rqZyYhZcqOg#ClassifictnSol-ClassificationSolution_O "분류 솔루션을 생성합니다.")입니다. |
[표 9. 반환]

{#ClassifictnSol-getLatestVersion__table_uvl_m3z_llb}  
다음 예제에서는 솔루션의 최신 버전을 가져오 고 교육 상태를 반환하는 방법을 보여줍니다.{#ClassifictnSol-getLatestVersion__mlsol-getLatestVersion-example}

    var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_classification');

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

출력:

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

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

스토어와의 상호작용에 사용할 객체의 이름을 가져옵니다.
{#ClassifictnSol-getName__table_pps_43z_llb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 안 함 |   |   |
[표 10. 매개변수]

{#ClassifictnSol-getName__table_pps_43z_llb} {#ClassifictnSol-getName__table_qps_43z_llb__entry__2}

| 유형 | 설명 |
|-|-|
| 문자열 | 솔루션 객체의 이름입니다. |
[표 11. 반환]

{#ClassifictnSol-getName__table_qps_43z_llb}  
다음 예제에서는 분류솔루션 데이터 세트 정보를 업데이트하고 객체 이름을 인쇄하는

    // Update solution
    var myIncidentData = new sn_ml.DatasetDefinition({
       'tableName' : 'incident',
       'fieldNames' : ['category', 'short_description', 'priority'],
       'encodedQuery' : 'activeANYTHING'
    });

    var eligibleFields = JSON.parse(myIncidentData.getEligibleFields('classification'));

    var myClassification = new sn_ml.ClassificationSolution({
       'label': "my classification solution",
       'dataset' : myIncidentData,
       'inputFieldNames': eligibleFields['eligibleInputFieldNames'],
       'predictedFieldName': 'category'
    });

    // update solution
    sn_ml.ClassificationSolutionStore.update('ml_x_snc_global_global_my_solution_definition_4', myClassification);

    // print solution name
    gs.print('Solution Name: '+myClassification.getName());

출력:

    Solution Name: ml_x_snc_global_global_my_solution_definition_4

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

솔루션 객체 속성 가져오기.
{#ClassifictnSol-getProperties__table_pps_43z_llb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 안 함 |   |   |
[표 12. 매개변수]

{#ClassifictnSol-getProperties__table_pps_43z_llb} {#ClassifictnSol-getProperties__table_qps_43z_llb__entry__2}{#ClassifictnSol-getProperties__classification-obj-group-desc}

| 유형 | 설명 |
|-|-|
| 객체 | [ClassificationSolutionStore](https://servicenow-prod.fluidtopics.net/rQ_EFVvAYaMuUT3j144cLA#ClassificationSolutionStoreAPI "솔루션을 저장하고 검색할 수 있습니다 .")의 데이터 세트 및 [ClassificationSolution()](https://servicenow-prod.fluidtopics.net/G9ShyKlE9a7rqZyYhZcqOg#ClassifictnSol-ClassificationSolution_O "분류 솔루션을 생성합니다.") 개체 세부 정보의 내용입니다. { "algorithmConfig": { "algorithm": "String", "targetClassRecall": "String" }, "datasetProperties": {Object}, "domainName": "String", "encoder": {Object}, "groupByFieldName": "String", "inputFieldNames": [Array], "label": "String", "name": "String", "predictedFieldName": "String", "processingLanguage": "String", "scope": "String", "stopwords": [Array], "trainingFrequency": "String" } |
| \<Object\>.algorithmConfig | 솔루션을 인코딩하는 방법입니다. 데이터 유형: 객체. |
| \<Object\>.algorithmConfig.algorithm | 이 솔루션을 학습시키기 위한 인코딩 알고리즘의 이름입니다. 가능한 값: * xgboost: XGBoost 인코딩을 사용하여 학습을 최적화합니다. * logisticRegression: 명목 또는 순서와 같은 범주형 대상에 대해 로지스틱 회귀 모델을 사용하는 방법입니다. {#ClassifictnSol-getProperties__ul_wtd_l2k_xlb} 데이터 유형: 문자열. |
| \<Object\>.algorithmConfig.targetClassRecall | 특정 클래스를 편향하도록 솔루션의 교육을 조정하는 클래스 회수 매개변수입니다. 회수 값은 백분율을 나타내는 0에서 100 사이의 숫자입니다. 데이터 유형: 문자열 |
| \<Object\>.datasetProperties | 솔루션과 연결된 [DatasetDefinition()](https://servicenow-prod.fluidtopics.net/o0mItlJWRoXXtFiWYvWHUw#DDef-DatasetDefinition_O "테이블 이름, 필드 및 쿼리로 데이터 세트를 정의할 수 있도록 DatasetDefinition 클래스의 인스턴스를 만듭니다.") 개체의 속성을 나열합니다. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } 데이터 유형: 객체. |
| \<Object\>.datasetProperties.tableName | 데이터 세트의 테이블 이름입니다. 예: `"tableName" : "Incident"`. 데이터 유형: 문자열. |
| \<Object\>.datasetProperties.fieldNames | 지정된 테이블의 필드 이름을 문자열로 나열합니다. 예: `"fieldNames" : ["short_description", "priority"]`. 데이터 유형: 배열. |
| \<Object\>.datasetProperties.fieldNames.fieldDetails | 필드 속성을 지정하는 JavaScript 객체의 목록입니다. [ { "name": "String", "type": "String" } ] 데이터 유형: 배열. |
| \<Object\>.datasetProperties.fieldNames.fieldDetails.\<object\>. 이름 | 이 데이터 세트를 제한하는 정보 유형을 정의하는 필드의 이름입니다. 데이터 유형: 문자열. |
| \<Object\>.datasetProperties.fieldDetails.\<object\>. 유형 | 머신 러닝 필드 유형입니다. 데이터 유형: 문자열. |
| \<Object\>.datasetProperties.fieldDetails.encodedQuery | 표준 Glide 형식으로 인코딩된 쿼리 문자열입니다. [인코딩된 쿼리 문자열을 참조하세요.](https://www.servicenow.com/docs/access?context=c_EncodedQueryStrings&version=australia&pubname=australia-platform-user-interface&ft:locale=en-US) 데이터 유형: 문자열. |
| \<Object\>.domainName | 이 데이터 세트와 연결된 도메인 이름입니다. [도메인 분리 및 예측 인텔리전스](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)를 참조하십시오. 데이터 유형: 문자열. |
| \<Object\>.encoder | 이 솔루션에 할당된 인코더 객체입니다. [인코더 - 인코더(객체 구성)](https://servicenow-prod.fluidtopics.net/wJ6fJJivJTmcX4WQPKHNfw#Encoder-Encoder_O "인코더를 생성합니다.") 문서를 참조하십시오. 데이터 유형: 객체. |
| \<Object\>.groupByFieldName | 시스템이 분류 솔루션을 빌드하기 위해 기록을 그룹화하는 기준으로 사용할 필드 이름입니다. 데이터 유형: 문자열 |
| \<Object\>.inputFieldNames | 문자열로 된 입력 필드 이름 목록입니다. 모델은 예측에 사용되는 이러한 필드를 사용합니다. 데이터 유형: 문자열. |
| \<Object\>.label | 예측 작업을 식별합니다. { "label": "my first prediction" } 데이터 유형: 문자열. |
| \<Object\>.name | 시스템에서 할당한 이름입니다. 데이터 유형: 문자열. |
| \<Object\>.predictedFieldName | 예측 가능성을 학습시킬 필드를 식별합니다. 데이터 유형: 문자열. |
| \<Object\>.processingLanguage | 두 글자 ISO 639-1 언어 코드 형식의 처리 언어입니다. 데이터 유형: 문자열. |
| \<Object\>.scope | 객체 범위입니다. 현재 유효한 값은 `전역`입니다. 데이터 유형: 문자열 |
| \<Object\>.stopwords | 옵션입니다. 속성 설정에 따라 시스템이 자동으로 생성하는 문자열의 사전 설정 목록입니다 language . 자세한 내용은 [사용자 지정 스톱 워드 목록 만들기](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=australia&pubname=australia-intelligent-experiences&ft:locale=en-US)를 참조하세요. 데이터 유형: 배열. |
| \<Object\>.trainingFrequency | 모델을 재교육할 빈도입니다. 가능한 값: * every_30_days * every_60_days * every_90_days * every_120_days * every_180_days * run_once {#ClassifictnSol-getProperties__ul_pmw_523_plb}기본값: run_once 데이터 유형: 문자열. |
[표 13. 반환]

{#ClassifictnSol-getProperties__table_qps_43z_llb}  
다음 예제에서는 저장소에 있는 솔루션 개체의 속성을 가져옵니다.{#ClassifictnSol-getProperties__mlsol-getProps-example-other1}

    var mySolution = sn_ml.ClassificationSolutionStore.get('ml_sn_global_global_classification_solution');

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

출력:

    *** 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 solution definition",
      "name": "ml_x_snc_global_global_my_solution_definition_26",
      "predictedFieldName": "category",
      "processingLanguage": "en",
      "scope": "global",
      "stopwords": [
        "Default English Stopwords"
      ],
      "trainingFrequency": "run_once"
    }

## ClassificationSolution - getVersion(문자열 버전) {#ariaid-title9}

솔루션을 가져옵니다. 제공된 버전 번호를 기준으로 합니다.
{#ClassifictnSol-getVersion_S__table_pps_43z_llb__entry__3}{#ClassifictnSol-getVersion_S__mlsol-gerversion-returns-other}

| 이름 | 유형 | 설명 |
|-|-|-|
| 버전 | 문자열 | 솔루션의 기존 버전 번호입니다. |
[표 14. 매개변수]

{#ClassifictnSol-getVersion_S__table_pps_43z_llb} {#ClassifictnSol-getVersion_S__table_qps_43z_llb__entry__2}

| 유형 | 설명 |
|-|-|
| 객체 | [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/Unmnd_Elaxjy9CtjrxDB1g#ClassificationSolutionVersionAPI "ClassificationSolutionVersion API는 저장소에서 예측 인텔리전스 사용되는 스크립트 가능한 객체입니다.") API 메서드를 호출할 수 있는 [지정된 버전의 ClassificationSolution()](https://servicenow-prod.fluidtopics.net/G9ShyKlE9a7rqZyYhZcqOg#ClassifictnSol-ClassificationSolution_O "분류 솔루션을 생성합니다.") 객체입니다. |
[표 15. 반환]

{#ClassifictnSol-getVersion_S__table_qps_43z_llb}  
다음 예제에서는 버전 번호로 솔루션의 교육 상태를 가져오는 방법을 보여줍니다.{#ClassifictnSol-getVersion_S__mlsol-gerversion-example-other}

    var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_classification');

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

출력:

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

## ClassificationSolution - setActiveVersion(문자열 버전) {#ariaid-title10}

스토어에서 지정된 버전의 솔루션을 활성화합니다.
{#ClassifictnSol-setActiveVersion_S__table_pps_43z_llb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 버전 | 문자열 | 활성화할 [ClassificationSolution()](https://servicenow-prod.fluidtopics.net/G9ShyKlE9a7rqZyYhZcqOg#ClassifictnSol-ClassificationSolution_O "분류 솔루션을 생성합니다.") 객체 버전의 이름입니다. 이 버전을 활성화하면 다른 버전이 비활성화됩니다. |
[표 16. 매개변수]

{#ClassifictnSol-setActiveVersion_S__table_pps_43z_llb} {#ClassifictnSol-setActiveVersion_S__table_qps_43z_llb__entry__2}

| 유형 | 설명 |
|-|-|
| 안 함 |   |
[표 17. 반환]

{#ClassifictnSol-setActiveVersion_S__table_qps_43z_llb}  
다음 예는 스토어에서 솔루션 버전을활성화하는 방법을 보여줍니다.{#ClassifictnSol-setActiveVersion_S__mlsol-setActive-example1}

    sn_ml.ClassificationSolution.setActiveVersion("ml_incident_categorization");

## ClassificationSolution - submitTrainingJob() {#ariaid-title11}

교육 작업을 제출합니다.
주:  
이 메서드를 실행하기 전에 먼저 [ClassificationSolutionStore - add()](https://servicenow-prod.fluidtopics.net/rQ_EFVvAYaMuUT3j144cLA#ClassificationStore-add_O "스토어에 새 솔루션 객체를 추가 하고 고유한 이름을 반환합니다.") 메서드를 사용하여 저장소에 솔루션을 추가해야 합니다.
{#ClassifictnSol-submitTrainingJob__table_xmd_33z_llb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 안 함 |   |   |
[표 18. 매개변수]

{#ClassifictnSol-submitTrainingJob__table_xmd_33z_llb} {#ClassifictnSol-submitTrainingJob__table_ymd_33z_llb__entry__2}

| 유형 | 설명 |
|-|-|
| 객체 | [ClassificationSolutionVersion](https://servicenow-prod.fluidtopics.net/Unmnd_Elaxjy9CtjrxDB1g#ClassificationSolutionVersionAPI "ClassificationSolutionVersion API는 저장소에서 예측 인텔리전스 사용되는 스크립트 가능한 객체입니다.") 객체에 해당하는 객체입니다. [분류솔루션](https://servicenow-prod.fluidtopics.net/G9ShyKlE9a7rqZyYhZcqOg#ClassifictnSol-ClassificationSolution_O "분류 솔루션을 생성합니다.") 학습 중인 |
[표 19. 반환]

{#ClassifictnSol-submitTrainingJob__table_ymd_33z_llb}  
다음 예제에서는 데이터 세트를 만들고, 솔루션에 적용하고, 솔루션을 스토어에 추가하고, 교육 작업을 제출하는 방법을 보여 줍니다.{#ClassifictnSol-submitTrainingJob__mlsol-submit-example-nonSol2}

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

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

    });

    // Create a solution 
    var mySolution = new sn_ml.ClassificationSolution({

      'label': "my solution definition",
      'dataset' : myData,
      'predictedFieldName' : 'assignment_group',
      'inputFieldNames':['short_description']

    });

    // Add the solution to the store to later be able to retrieve it.
    var my_unique_name = sn_ml.ClassificationSolutionStore.add(mySolution);

    // Train the solution - this is a long running job 
    var myClassifierVersion = mySolution.submitTrainingJob();