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

 Release :

    - xanadu

ft:locale :

    - ko-KR

ft:publication_title :

    - Xanadu API 참조

ft:clusterId :

    - crapiref

bundleId :

    - crapiref

workflow :

    - Creator


---

# PredictabilityEstimateVersion - 전역

# PredictabilityEstimateVersion - 전역 {#ariaid-title1}

* 릴리스 버전: Xanadu
* 
* 업데이트 날짜 2024년 08월 01일
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 12분

PredictabilityEstimateVersion API는 저장소에서 예측 인텔리전스 사용되는 스크립팅 가능한 개체입니다.

이 API에는 예측 인텔리전스 플러그인(com.glide.platform_ml)이 필요하며 `sn_ml` 네임스페이스 내에서 제공됩니다.

[PredictabilityEstimate 저장소](https://servicenow-prod.fluidtopics.net/h7WKNR0OjU~MNj0FHy~icQ#PredictabilityEstimateStoreAPI "저장하고 검색할 수 있습니다 예측 가능성 추정치.")의 [PredictabilityEstimate API](https://servicenow-prod.fluidtopics.net/KnxBTR786rC8yssMHJwFyw#PredictabilityEstimateAPI "PredictabilityEstimate API는 저장소에 예측 인텔리전스 사용되는 스크립팅 가능한 개체입니다. 이 개체는 데이터 집합의 필드를 얼마나 예측 가능한지, 그리고 이러한 필드를 예측하는 데 유용할 수 있는 기능을 예측합니다.") 개체를 기반으로 예측 가능성 예측 버전으로 작업할 때 이 API를 사용합니다.

교육이 완료되면 시스템이 최신 버전의 예측 가능성 예상치 활성화하며, 한 번에 하나의 버전만 활성화할 수 있습니다. 그러나 예측을 수행하는 데 사용하려는 이전에 학습된 버전을 활성화할 수 있습니다.  
이 API의 메서드는 다음 PredictabiltyEstimate 메서드를 사용하여 액세스할 수 있습니다.

* [getActiveVersion()을 호출합니다.](https://servicenow-prod.fluidtopics.net/KnxBTR786rC8yssMHJwFyw#PrdctbltE-getActiveVersion "활성 항목을 가져옵니다. PredictabilityEstimateVersion 개체입니다.")
* [getAllVersions()를 호출합니다.](https://servicenow-prod.fluidtopics.net/KnxBTR786rC8yssMHJwFyw#PrdctbltE-getAllVersions "다음의 모든 버전을 가져옵니다. 예측 가능성 추정치입니다.")
* [getLatestVersion()을 호출합니다.](https://servicenow-prod.fluidtopics.net/KnxBTR786rC8yssMHJwFyw#PrdctbltE-getLatestVersion "의 최신 버전을 가져옵니다. 예측 가능성 추정치입니다.")
* [getVersion()을 호출합니다.](https://servicenow-prod.fluidtopics.net/KnxBTR786rC8yssMHJwFyw#PrdctbltE-getVersion_S "예측 가능성 예상치를 가져옵니다. 제공된 버전 번호 기준.")
{#PredictabilityEstimateVersionAPI__ul_ycl_fzf_tlb}

## PredictabilityEstimateVersion - getProperties() {#ariaid-title2}

예측 가능성 추정 객체 속성을 및 버전 번호가져옵니다.
{#PredictbltyEstV-getProperties__table_d2m_zwz_4lb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 없음 |   |   |
[표 1. 매개변수]

{#PredictbltyEstV-getProperties__table_d2m_zwz_4lb} {#PredictbltyEstV-getProperties__table_e2m_zwz_4lb__entry__2}

| 유형 | 설명 |
|-|-|
| 객체 | Dataset 및 [PredictabilityEstimate](https://servicenow-prod.fluidtopics.net/KnxBTR786rC8yssMHJwFyw#PrdctbltE-PredictabilityEstimate_O "예측 가능성 예상치를 생성합니다.") 버전 세부 정보의 내용입니다. 결과는 개체 속성 설정에 따라 달라집니다. { "datasetProperties": {Object}, "domainName": "String", "inputFieldNames": [Array], "label": "String", "name": "String", "predictedFieldName": "String", "scope": "String", "trainingFrequency": "String", "versionNumber": "Number" } |
| \<Object\>.dataset속성 | 예측 가능성 예측과 연결된 [DatasetDefinition()](https://servicenow-prod.fluidtopics.net/G~vF_6rUbH2W5hPkNjguTw#DDef-DatasetDefinition_O "DatasetDefinition 클래스의 인스턴스를 만들어 테이블 이름, 필드 및 쿼리로 데이터 세트를 정의할 수 있습니다.") 객체의 속성을 나열합니다. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } 데이터 형식: 개체. |
| \<Object\>.datasetProperties.tableName | 데이터 세트의 테이블 이름입니다. 예를 들어 `"tableName" : "Incident"`입니다. 데이터 형식: 문자열. |
| \<Object\>.datasetProperties.fieldNames | 지정된 테이블의 필드 이름을 문자열로 나열한 목록입니다. 예를 들어 `"fieldNames" : ["short_description", "priority"]입니다`. 데이터 형식: 배열. |
| \<Object\>.datasetProperties.fieldNames.fieldDetails | 필드 속성을 지정하는 JavaScript 객체의 목록입니다. [ { "name": "String", "type": "String" } ] 데이터 형식: 배열. |
| \<Object\>.datasetProperties.fieldNames.fieldDetails.\<object\>입니다. 이름 | 이 데이터 세트를 제한할 정보의 유형을 정의하는 필드의 이름입니다. 데이터 형식: 문자열. |
| \<Object\>.datasetProperties.fieldDetails.\<object\>입니다. 형 | 머신 러닝 필드 유형입니다. 데이터 형식: 문자열. |
| \<Object\>.datasetProperties.fieldDetails.encodedQuery | 표준 Glide 형식으로 인코딩된 쿼리 문자열입니다. [인코딩된 쿼리 문자열을](https://www.servicenow.com/docs/access?context=c_EncodedQueryStrings&version=xanadu&pubname=xanadu-platform-user-interface&ft:locale=en-US) 참조하세요. 데이터 형식: 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=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US)를 참조하십시오. 데이터 형식: 문자열. |
| \<Object\>.input필드 이름 | 추정에 고려할 문자열로 된 후보 입력 필드 목록입니다. 데이터 형식: 문자열. |
| \<Object\>.isActive | 이 버전이 활성 상태인지 여부를 나타내는 플래그입니다. 유효한 값은 다음과 같습니다. * true: 버전이 활성 상태입니다. * false: 버전이 활성화되지 않았습니다. {#PredictbltyEstV-getProperties__ul_i5m_lp1_dmb} 데이터 유형: 문자열 |
| \<Object\>.레이블 | 예측 작업을 식별합니다. { "label": "my first prediction" } 데이터 형식: 문자열. |
| \<Object\>.이름 | 시스템에서 할당한 이름입니다. 데이터 형식: 문자열. |
| \<Object\>.predictedFieldName | 예측 가능성을 교육할 필드를 식별합니다. 데이터 형식: 문자열. |
| \<Object\>.범위 | 개체 범위입니다. 현재 유일하게 유효한 값은 `global`입니다. 데이터 유형: 문자열 |
| \<Object\>.training빈도 | 모델을 재교육하는 빈도입니다. 가능한 값: * every_30_days * every_60_days * every_90_days * every_120_days * every_180_days * run_once {#PredictbltyEstV-getProperties__ul_pmw_523_plb}기본값: run_once 데이터 형식: 문자열. |
| \<Object\>.versionNumber | 의 버전 번호 PredictabilityEstimate 객체입니다. 데이터 형식: 문자열. |
[표 2. 반환]

{#PredictbltyEstV-getProperties__table_e2m_zwz_4lb}  
다음 예제에서는 저장소에 있는 활성 개체 버전의 속성을 가져옵니다.

    // Get properties
    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_incident_categorization');

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

출력:

    "datasetProperties": {
        "encodedQuery": "activeANYTHING^EQ",
        "fieldNames": [
          "short_description",
          "category"
        ],
        "tableName": "incident"
      },
      "domainName": "global",
      "inputFieldNames": [
        "short_description"
      ],
      "isActive": "true",
      "label": "Incident Categorization_Trainer",
      "name": "ml_incident_categorization",
      "predictedFieldName": "category",
      "processingLanguage": "en",
      "stopwords": [
        "Default English Stopwords"
      ],
      "versionNumber": "1"
    }

## PredictabilityEstimateVersion - getResults() {#ariaid-title3}

출력 필드에 대해 제안된 입력 필드가 포함된 JSON 결과를 반환합니다.
{#PredictbltyEstV-getResults__table_ytt_1xz_qlb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 없음 |   |   |
[표 3. 매개변수]

{#PredictbltyEstV-getResults__table_ytt_1xz_qlb} {#PredictbltyEstV-getResults__table_ztt_1xz_qlb__entry__2}

| 유형 | 설명 |
|-|-|
| 객체 | 출력 필드에 대해 제안된 입력 필드 옵션을 포함하는 JSON 객체 결과입니다. |
| \<Object\>.\<output field name\> | 출력 필드 이름(예: 범주)에는 제안된 입력 필드가 포함되어 있습니다. { "<output field name>": { "nominalInputFields": [Array], "textInputFields": [Array] } } 데이터 유형: 객체 |
| \<Object\>.\<output field name\>. 명목상 입력 필드 | 명목상 입력 필드 상세 정보입니다. "nominalInputFields": [ { "fieldName": "String", "modelImprovement": "String" } ] 데이터 형식: 배열. |
| \<Object\>.\<output field name\>. 명목상 입력 필드.필드 이름 | 명목상 입력 필드 이름입니다. 데이터 형식: 문자열. |
| \<Object\>.\<output field name\>. nominalInputFields.modelImprovement | 이 필드가 결과를 개선할 수 있는 가능성을 상대적으로 나타내는 점수입니다. 데이터 형식: 문자열로 된 숫자입니다. |
| \<Object\>.text입력 필드 | 텍스트 입력 필드 상세 정보. "textInputFields": [ { "fieldName": "String", "density": "String" } ] 데이터 형식: 배열. |
| \<Object\>.textInputFields.fieldName | 텍스트 입력 필드 이름입니다. 데이터 형식: 문자열. |
| \<Object\>.textInputFields.density | 필드가 비어 있지 않은 빈도를 나타내는 0에서 1.0 사이의 값입니다. 값이 1.0이면 필드가 모든 행에서 비어 있지 않음을 의미하고 값이 0이면 필드가 모든 행에서 비어 있음을 나타냅니다. 데이터 형식: 문자열로 된 숫자입니다. |
[표 4. 반환]

{#PredictbltyEstV-getResults__table_ztt_1xz_qlb}  
다음 예제에서는 저장소에서 예측 가능성 예상치의 선택한 버전에 대한 결과를 가져오는 방법을 보여 줍니다.

    // Get results
    var estimateName = "ml_x_snc_global_global_predictability_estimate;"
    var mlEstimate = sn_ml.PredictabilityEstimateStore.get(estimateName);

    var results = mlEstimate.getActiveVersion().getResults();

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

출력:

    {
      "category": {
        "nominalInputFields": [
          {
            "fieldName": "number",
            "modelImprovement": "0.167052396325189"
          },
          {
            "fieldName": "task_effective_number",
            "modelImprovement": "0.167052396325189"
          }
        ],
        "textInputFields": [
          {
            "fieldName": "short_description",
            "density": "1.0"
          }
        ]
      }
    }

## PredictabilityEstimateVersion - getStatus(부울 includeDetails) {#ariaid-title4}

교육 완료 상태를 가져옵니다.
{#PredictbltyEstV-getStatus_B__table_xfh_vbw_plb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| include상세 정보 | 부울 | 상태를 반환할지 여부를 나타내는 플래그입니다 details. 유효한 값은 다음과 같습니다. * true: 추가 상세 정보를 반환합니다. * false: 추가 세부 정보를 반환하지 않습니다. {#PredictbltyEstV-getStatus_B__ul_n33_ckw_plb} 기본값: False |
[표 5. 매개변수]

{#PredictbltyEstV-getStatus_B__table_xfh_vbw_plb} {#PredictbltyEstV-getStatus_B__table_yfh_vbw_plb__entry__2}

| 유형 | 설명 |
|-|-|
| 객체 | 다음에 대한 교육 상태 정보를 포함하는 JavaScript 객체[PredictabilityEstimate](https://servicenow-prod.fluidtopics.net/KnxBTR786rC8yssMHJwFyw#PredictabilityEstimateAPI "PredictabilityEstimate API는 저장소에 예측 인텔리전스 사용되는 스크립팅 가능한 개체입니다. 이 개체는 데이터 집합의 필드를 얼마나 예측 가능한지, 그리고 이러한 필드를 예측하는 데 유용할 수 있는 기능을 예측합니다.") 개체입니다. { "state": "String", "percentComplete": "Number as a String", "hasJobEnded": "Boolean value as a String", "details": {Object} } |
| \<Object\>.상태 | 교육 완료 상태입니다. 훈련 작업이 종료 상태에 도달하면 작업은 해당 상태를 벗어나지 않습니다. 상태가 terminal hasJobEnded 이면 속성이 `true`로 설정됩니다. 가능한 값: * fetching_files_for_training * preparing_data * 재시도 * solution_cancelled (터미널) * solution_complete (터미널) * solution_error (단말기) * solution_incomplete * training_request_received * training_request_timed_out (터미널) * training_solution * uploading_solution * waiting_for_training {#PredictbltyEstV-getStatus_B__ul_a5q_gh4_vlb} 데이터 유형: 문자열 |
| \<Object\>.hasJobEnded | 교육이 완료되었는지 여부를 나타내는 플래그입니다. 유효한 값은 다음과 같습니다. * true: 교육이 완료되었습니다. * false: 교육이 완료되지 않았습니다. {#PredictbltyEstV-getStatus_B__ul_icy_zjx_rlb} 데이터 유형: 문자열로서의 부울 값 |
| \<Object\>.percent완료 | 교육 완료율입니다. 완료율이 100 미만이면 작업이 종료 상태일 수 있습니다. 예를 들어 교육 시간이 초과되는 경우입니다. 데이터 형식: 문자열로서의 숫자 범위: 0 - 100 |
| \<Object\>.세부 정보 | 추가 교육 상세 정보 목록이 포함된 객체입니다. 데이터 유형: 객체 |
[표 6. 반환]

{#PredictbltyEstV-getStatus_B__table_yfh_vbw_plb}  
다음 예제에서는 교육이 완료된 성공적인 결과를 보여 줍니다.

    // Get status
    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_incident_categorization');

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

출력:

    {
     "state":"solution_complete",
     "percentComplete":"100",
     "hasJobEnded":"true",
     "details":{"stepLabel":"Solution Complete"} // This information is only returned if getStatus(true);
    }

다음 예제에서는 학습이 완료된 실패한 결과를 보여 줍니다.

    // Get status
    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_my_estimate_definition');
    var trainingStatus = mlEstimate.getLatestVersion().getStatus();

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

출력:

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

## PredictabilityEstimateVersion - getVersionNumber() {#ariaid-title5}

다음의 버전 번호를 가져옵니다. 예측 가능성 추정 객체입니다.
{#PredictbltyEstV-getVersionNumber__table_jsz_sbw_plb__entry__3}

| 이름 | 유형 | 설명 |
|-|-|-|
| 없음 |   |   |
[표 7. 매개변수]

{#PredictbltyEstV-getVersionNumber__table_jsz_sbw_plb} {#PredictbltyEstV-getVersionNumber__table_ksz_sbw_plb__entry__2}

| 유형 | 설명 |
|-|-|
| 문자열 | 버전 번호입니다. |
[표 8. 반환]

{#PredictbltyEstV-getVersionNumber__table_ksz_sbw_plb}  
다음 예제에서는 버전 번호를 가져오는 방법을 보여 줍니다.

    // Get version number
    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate');

    gs.print("Version number: "+JSON.stringify(JSON.parse(mlEstimate.getActiveVersion().getVersionNumber()), null, 2));

출력:

    Version number: 1