--- 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 --- # RegressionSolutionVersion - 전역 # RegressionSolutionVersion - 전역 {#ariaid-title1} * 릴리스 버전: Xanadu * * 업데이트 날짜 2024년 08월 01일 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 15분 RegressionSolutionVersion API는 저장소에서 예측 인텔리전스 사용되는 스크립팅 가능한 개체입니다. 이 API에는 예측 인텔리전스 플러그인(com.glide.platform_ml)이 필요하며 `sn_ml` 네임스페이스 내에서 제공됩니다. [RegressionSolution 저장소](https://servicenow-prod.fluidtopics.net/fRK_VGsvzd9JoRZ8ewaKdA#RegressionSolutionStoreAPI "솔루션을 저장하고 검색할 수 있습니다 .")의 [RegressionSolution API](https://servicenow-prod.fluidtopics.net/JWxwVpgxfJi74yzgVlE6pA#RegressionSolutionAPI "RegressionSolution API는 스토어에 사용되는 스크립팅 가능한 객체입니다예측 인텔리전스.") 개체를 기반으로 하는 솔루션 버전으로 작업할 때 이 API를 사용합니다. 시스템은 솔루션 정의를 교육할 때마다 솔루션 버전을 생성합니다. 대부분의 버전은 예약된 솔루션 교육 중에 생성됩니다. 이 API의 메서드는 다음 RegressionSolution 메서드를 사용하여 액세스할 수 있습니다. * [getActiveVersion()을 호출합니다.](https://servicenow-prod.fluidtopics.net/JWxwVpgxfJi74yzgVlE6pA#RegressionSol-getActiveVersion "활성 항목을 가져옵니다. RegressionSolutionVersion 객체입니다.") * [getAllVersions()를 호출합니다.](https://servicenow-prod.fluidtopics.net/JWxwVpgxfJi74yzgVlE6pA#RegressionSol-getAllVersions "다음의 모든 버전을 가져옵니다.RegressionSolution 개체입니다.") * [getLatestVersion()을 호출합니다.](https://servicenow-prod.fluidtopics.net/JWxwVpgxfJi74yzgVlE6pA#RegressionSol-getLatestVersion "의 최신 버전을 가져옵니다. 해결책.") * [getVersion()을 호출합니다.](https://servicenow-prod.fluidtopics.net/JWxwVpgxfJi74yzgVlE6pA#RegressionSol-getVersion_S "솔루션을 가져옵니다. 제공된 버전 번호 기준.") {#RegressionSolutionVersionAPI__ul_ycl_fzf_tlb} ## RegressionSolutionVersion - getProperties() {#ariaid-title2} 솔루션 객체 속성 가져오기 및 버전 번호. {#RegressionVersion-getProperties__table_d2m_zwz_4lb__entry__3} | 이름 | 유형 | 설명 | |-|-|-| | 없음 | | | [표 1. 매개변수] {#RegressionVersion-getProperties__table_d2m_zwz_4lb} {#RegressionVersion-getProperties__table_e2m_zwz_4lb__entry__2} | 유형 | 설명 | |-|-| | 객체 | Dataset 및 [RegressionSolution](https://servicenow-prod.fluidtopics.net/JWxwVpgxfJi74yzgVlE6pA#RegressionSol-RegressionSolution_O "회귀 솔루션을 생성합니다.") 버전 세부 정보의 내용입니다. 결과는 개체 속성 설정에 따라 달라집니다. { "datasetProperties": {Object}, "domainName": "String", "encoder": {Object}, "inputFieldNames": [Array], "isActive": Boolean, "label": "String", "name": "String", "predictedFieldName": "String", "predictedInterval": [Array], "processingLanguage": "String", "scope": "String", "stopwords": [Array], "versionNumber": "Number" } | | \.dataset속성 | 솔루션과 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" } | | \.datasetProperties.tableName | 데이터 세트의 테이블 이름입니다. 예를 들어 `"tableName" : "Incident"`입니다. 데이터 형식: 문자열. | | \.datasetProperties.fieldNames | 지정된 테이블의 필드 이름을 문자열로 나열한 목록입니다. 예를 들어 `"fieldNames" : ["short_description", "priority"]입니다`. 데이터 형식: 배열. | | \.datasetProperties.fieldNames.fieldDetails | 필드 속성을 지정하는 JavaScript 객체의 목록입니다. [ { "name": "String", "type": "String" } ] 데이터 형식: 배열. | | \.datasetProperties.fieldNames.fieldDetails.\입니다. 이름 | 이 데이터 세트를 제한할 정보의 유형을 정의하는 필드의 이름입니다. 데이터 형식: 문자열. | | \.datasetProperties.fieldDetails.\입니다. 형 | 머신 러닝 필드 유형입니다. 데이터 형식: 문자열. | | \.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. | | \.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. | | \.인코더 | 이 솔루션에 할당된 인코더 개체입니다. [인코더 - 인코더(개체 구성)](https://servicenow-prod.fluidtopics.net/5uS4Nj8oqD17QzxQYkl0cA#Encoder-Encoder_O "인코더를 만듭니다.") 문서를 참조하십시오. 데이터 형식: 개체. | | \.input필드 이름 | 문자열로 표시된 입력 필드 이름의 목록입니다. 모델은 예측을 수행하는 데 사용되는 이러한 필드를 사용합니다. 데이터 형식: 문자열. | | \.isActive | 이 버전이 활성 상태인지 여부를 나타내는 플래그입니다. 유효한 값은 다음과 같습니다. * true: 버전이 활성 상태입니다. * false: 버전이 활성화되지 않았습니다. {#RegressionVersion-getProperties__ul_i5m_lp1_dmb} 데이터 유형: 문자열 | | \.레이블 | 예측 작업을 식별합니다. { "label": "my first prediction" } 데이터 형식: 문자열. | | \.이름 | 시스템에서 할당한 이름입니다. 데이터 형식: 문자열. | | \.predictedFieldName | 예측 가능성을 교육할 필드를 식별합니다. 데이터 형식: 문자열. | | \.predictedInterval | 예측 신뢰 수준을 지정하는 값의 범위입니다. 데이터 유형: 배열 | | \.processingLanguage | 두 글자 ISO 639-1 언어 코드 형식의 처리 언어. 데이터 형식: 문자열. | | \.범위 | 개체 범위입니다. 현재 유일하게 유효한 값은 `global`입니다. 데이터 유형: 문자열 | | \.stopwords | 옵션입니다. 속성 설정에 따라 시스템이 자동으로 생성하는 사전 설정 문자열 목록입니다 language . 자세한 내용은 [사용자 지정 스톱 워드 목록 만들기를](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US) 참조하세요. 데이터 형식: 배열. | | \.versionNumber | 의 버전 번호 RegressionSolution 객체입니다. | [표 2. 반환] {#RegressionVersion-getProperties__table_e2m_zwz_4lb} 다음 예제에서는 저장소에 있는 활성 개체 버전의 속성을 가져옵니다. // Get properties var mlSolution = sn_ml.RegressionSolutionStore.get('ml_incident_categorization'); gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getProperties()), null, 2)); 출력: { "datasetProperties": { "encodedQuery": "", "fieldNames": [ "short_description", "sourcedc", "targetdc", "dbsize", "duration" ], "tableName": "cloudinfratext" }, "domainName": "global", "encoderProperties": { "datasetsProperties": [], "name": "wc_regression" }, "inputFieldNames": [ "short_description", "sourcedc", "targetdc", "dbsize" ], "isActive": "true", "label": "Regression Test for DB Restore", "name": "ml_x_snc_global_global_regression", "predictedFieldName": "duration", "processingLanguage": "en", "stopwords": [ "Default English Stopwords" ], "versionNumber": "1" } ## RegressionSolutionVersion - getStatus(부울 includeDetails) {#ariaid-title3} 교육 완료 상태를 가져옵니다. {#RegressionVersion-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. {#RegressionVersion-getStatus_B__ul_n33_ckw_plb} 기본값: False | [표 3. 매개변수] {#RegressionVersion-getStatus_B__table_xfh_vbw_plb} {#RegressionVersion-getStatus_B__table_yfh_vbw_plb__entry__2} | 유형 | 설명 | |-|-| | 객체 | 다음에 대한 교육 상태 정보를 포함하는 JavaScript 객체[RegressionSolution](https://servicenow-prod.fluidtopics.net/JWxwVpgxfJi74yzgVlE6pA#RegressionSolutionAPI "RegressionSolution API는 스토어에 사용되는 스크립팅 가능한 객체입니다예측 인텔리전스.") 개체입니다. { "state": "String", "percentComplete": "Number as a String", "hasJobEnded": "Boolean value as a String", "details": {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 {#RegressionVersion-getStatus_B__ul_a5q_gh4_vlb} 데이터 유형: 문자열 | | \.hasJobEnded | 교육이 완료되었는지 여부를 나타내는 플래그입니다. 유효한 값은 다음과 같습니다. * true: 교육이 완료되었습니다. * false: 교육이 완료되지 않았습니다. {#RegressionVersion-getStatus_B__ul_icy_zjx_rlb} 데이터 유형: 문자열로서의 부울 값 | | \.percent완료 | 교육 완료율입니다. 완료율이 100 미만이면 작업이 종료 상태일 수 있습니다. 예를 들어 교육 시간이 초과되는 경우입니다. 데이터 형식: 문자열로서의 숫자 범위: 0 - 100 | | \.세부 정보 | 추가 교육 상세 정보 목록이 포함된 객체입니다. 데이터 유형: 객체 | [표 4. 반환] {#RegressionVersion-getStatus_B__table_yfh_vbw_plb} 다음 예제에서는 교육이 완료된 성공적인 결과를 보여 줍니다. // Get status var mlSolution = sn_ml.RegressionSolutionStore.get('ml_incident_categorization'); gs.print(JSON.stringify(JSON.parse(mlSolution.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 solutionName = 'ml_x_snc_global_global_regression_solution'; var mlSolution = sn_ml.RegressionSolutionStore.get(solutionName); var trainingStatus = mlSolution.getLatestVersion().getStatus(); gs.print(JSON.stringify(JSON.parse(trainingStatus), null, 2)); 출력: { "state":"solution_error", "percentComplete":"100", "hasJobEnded":"true" } ## RegressionSolutionVersion - getVersionNumber() {#ariaid-title4} 다음의 버전 번호를 가져옵니다. 솔루션 개체입니다. {#RegressionVersion-getVersionNumber__table_jsz_sbw_plb__entry__3} | 이름 | 유형 | 설명 | |-|-|-| | 없음 | | | [표 5. 매개변수] {#RegressionVersion-getVersionNumber__table_jsz_sbw_plb} {#RegressionVersion-getVersionNumber__table_ksz_sbw_plb__entry__2} | 유형 | 설명 | |-|-| | 문자열 | 버전 번호입니다. | [표 6. 반환] {#RegressionVersion-getVersionNumber__table_ksz_sbw_plb} 다음 예제에서는 버전 번호를 가져오는 방법을 보여 줍니다. // Get version number var mlSolution = sn_ml.RegressionSolutionStore.get('ml_incident_categorization'); gs.print("Version number: "+JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getVersionNumber()), null, 2)); 출력: Version number: 1 ## RegressionSolutionVersion - predict(객체 입력, 객체 옵션) {#ariaid-title5} 예측에 대한 입력 데이터를 가져옵니다. {#RegressionVersion-predict_O_O__table_wwz_pbw_plb__entry__3} | 이름 | 유형 | 설명 | |-|-|-| | 입력 | 객체 | [GlideRecord](https://servicenow-prod.fluidtopics.net/lNwRzrLB1v3XhTKBDuWLmA#c_GlideRecordAPI "GlideRecord API는 데이터베이스 작업에 사용됩니다.") 또는 필드 이름과 값을 키-값 쌍으로 포함하는 JSON 객체의 배열입니다. | | 옵션 | 객체 | 예측 결과를 필터링하기 위한 선택적 값입니다. { "apply_threshold": Boolean, "top_n": Number } | | options.apply_threshold | 부울 | 솔루션의 임계값을 확인하고 결과 집합에 적용할지 여부를 나타내는 플래그입니다. 유효한 값은 다음과 같습니다. * true: 신뢰도가 임계값보다 큰 결과를 반환합니다. * false: 모든 결과를 반환합니다. {#RegressionVersion-predict_O_O__ul_f4d_xyx_slb} 기본값: True | | options.top_n | 번호 | 제공된 경우 지정된 예측 수까지 상위 결과를 반환합니다. | [표 7. 매개변수] {#RegressionVersion-predict_O_O__table_wwz_pbw_plb} {#RegressionVersion-predict_O_O__table_xwz_pbw_plb__entry__2} | 유형 | 설명 | |-|-| | 객체 | sys_id 또는 record_number별로 정렬된 예측 결과를 포함하는 JSON 객체입니다. { : [Array] } | | \.\<식별자\> | 각 예측 결과에 대한 상세 정보가 있는 객체의 목록입니다. 데이터 형식: 객체 배열 : [ { "confidence": Number, "predictedSysId": "String", "predictedValue": "String", "threshold": Number } ] | | \.\<식별자\>.\. 자신 | 예측과 연결된 신뢰도 값입니다. 예: 53.84. 데이터 유형: 숫자 | | \.\<식별자\>.\. 예측 시스템 ID | 예측 값의 sys_id입니다. 결과가 예측되는 모든 테이블에서 나올 수 있습니다. 데이터 유형: 문자열 | | \.\<식별자\>.\. 예측 값 | 예측 결과를 나타내는 값입니다. 데이터 유형: 문자열 | | \.\<식별자\>.\. 문지방 | 예측과 연결된 구성된 임계치의 값입니다. 데이터 유형: 숫자 | [표 8. 반환] {#RegressionVersion-predict_O_O__table_xwz_pbw_plb} 다음 예제에서는 입력을 위해 GlideRecord by sys_id 사용하고 상위 3개 결과로 제한하고 임계값을 제외하는 선택적 매개변수를 포함하는 predict() 메서드에 대한 예측 결과를 표시하는 방법을 보여줍니다. var mlSolution = sn_ml.RegressionSolutionStore.get('ml_incident_categorization'); // single GlideRecord input var input = new GlideRecord("incident"); input.get(""); // configure optional parameters var options = {}; options.top_n = 3; options.apply_threshold = false; var results = mlSolution.getVersion(1).predict(input, options); // pretty print JSON results gs.print(JSON.stringify(JSON.parse(results), null, 2)); { "": [ { "confidence": 62.10782320780268, "threshold": 20.36, "predictedValue": "Clone Issues", "predictedSysId": "" }, { "confidence": 6.945237375770391, "threshold": 16.63, "predictedValue": "Instance Administration", "predictedSysId": "" }, { "confidence": 5.321061076300759, "threshold": 23.7, "predictedValue": "Administration", "predictedSysId": "" } ] } 다음 예제에서는 필드 이름 배열을 입력에 대한 키-값 쌍으로 사용하고 상위 3개의 결과로 제한하고 임계값을 제외하는 선택적 매개 변수를 포함하는 predict() 메서드에 대한 예측 결과를 표시하는 방법을 보여 줍니다. var mlSolution = sn_ml.RegressionSolutionStore.get('ml_incident_categorization'); // key-value pairs input var input = [{"short_description":"my email is not working"}, {short_description:"need help with password"}]; // configure optional parameters var options = {}; options.top_n = 3; options.apply_threshold = false; var results = mlSolution.predict(input, options); // pretty print JSON results gs.print(JSON.stringify(JSON.parse(results), null, 2)); { "1": [ { "confidence": 37.5023032262591, "threshold": 10.72, "predictedValue": "Authentication", "predictedSysId": "" }, { "confidence": 24.439964862166583, "threshold": 23.7, "predictedValue": "Administration", "predictedSysId": "" }, { "confidence": 11.736320486031047, "threshold": 100, "predictedValue": "Security", "predictedSysId": "" } ], "2": [ { "confidence": 99, "threshold": 17.77, "predictedValue": "Email", "predictedSysId": "" }, { "confidence": 3.182137005157543, "threshold": 10.72, "predictedValue": "Authentication", "predictedSysId": "" }, { "confidence": 2.8773826570713514, "threshold": -1, "predictedValue": "Email (I/f)", "predictedSysId": "" } ] }