---
sourceDocument: Xanadu AI 활성화
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ko-KR/xanadu/intelligent-experiences

 Release :

    - xanadu

ft:locale :

    - ko-KR

ft:publication_title :

    - Xanadu AI 활성화

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# 분류 솔루션 예측 테스트

# 분류 솔루션 예측 테스트 {#ariaid-title1}

* 릴리스 버전: Xanadu
* 
* 업데이트 날짜 2024년 08월 01일
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 2분

기계 학습(ML) 솔루션이 학습되면 API를 예측 인텔리전스 호출하여 솔루션을 예측할 수 있습니다. 이 예제 절차에서는 REST API 탐색기를 사용하여 인시던트 분류에 대한 분류 솔루션 예측을 테스트합니다.

## 시작하기 전에

예측을 테스트하기 전에 ML 솔루션을 교육합니다.

필요한 역할: web_service_admin, rest_api_explorer, admin 또는 ml_admin

## 이 태스크 정보

이 절차는 샘플 데이터를 사용하여 인스턴스에서 수행할 수 있는 작업을 보여주며 실제로 인스턴스에 있는 데이터 또는 레코드는 나타내지 않을 수 있습니다.

이 시나리오에서는 이전에 만들고 학습한 가상의 ML 솔루션에 대한 분류 솔루션 예측을 보여줍니다. REST API 탐색기를 사용하여 유사성 솔루션 예측을 테스트할 수도 있습니다.

## 프로시저

1. 다음으로 이동 모두예측 인텔리전스분류솔루션 정의.
2. 예측을 테스트하려는 ML 솔루션 정의를 찾아 이름 값을 클립보드 또는 메모장 파일에 복사합니다.  
   이 경우 다음 예와 같이 ML 솔루션 정의 인시던트 분류 기록의 이름 필드 값을 사용합니다.  
3. REST API 탐색기가 API에 대한 예측 인텔리전스 호출에 사용할 ML 솔루션 정의 기록에 사용되는 입력 필드를 적어 저장합니다.  
   이 경우 예측 모델이 이 필드를 사용하여 범주 정의를 학습하도록 훈련되었기 때문에 짧은 _description 필드를 사용합니다.  
4. 다음으로 이동 시스템 웹 서비스RESTREST API 탐색기.
5. 이러한 선택 필드를 다음과 같이 설정합니다.

   | 필드 | 값 |
   | 네임스페이스 | 지금(기본값으로 유지) |
   | API 이름 | 예측 인텔리전스 |
   | API 버전 | 최신(기본값으로 유지) |
   |-|-|

   {#test-solution-prediction__choicetable_v1w_53m_ycb}  
   양식이 예측 인텔리전스 나타납니다. 이 양식을 사용하여 API에 대한 호출 요청을 준비합니다 예측 인텔리전스 .
6. solution-name 값 필드에 <kbd class="ph userinput">ml_incident_categorization</kbd>를 입력합니다.  
   주:  
   이 절차의 1단계에서 캡처한 이름 값입니다.
7. Add query parameter(쿼리 매개 변수 추가)를 클릭합니다.  
   양식이 예측 인텔리전스 새로 고쳐지고 쿼리 매개변수 섹션이 표시됩니다.
8. 첫 번째 필드에 <kbd class="ph userinput">short_description</kbd> 를 입력합니다.  
   주:  
   이 절차의 2단계에서 캡처한 입력 필드입니다.
9. 두 번째 필드에 인시던트에 대한 짧은 설명을 입력합니다. 예를 들어 <kbd class="ph userinput">연결할 수 없음을</kbd> 입력합니다.
10. 보내기 버튼을 클릭합니다.  
    REST API 탐색기는 예측 인텔리전스 API에 요청을 보냅니다.  
    시스템은 API 출력의 응답 본문 섹션에서 출력 값을 예측합니다. 다른 간단한 설명을 사용하여 솔루션이 예측하는 내용을 테스트할 수 있습니다.
11. **옵션:** 예측 모델을 다시 테스트할 수 있도록 API에 예측 인텔리전스 다른 요청을 보냅니다.
    1. 폼의 쿼리 매개변수 섹션으로 예측 인텔리전스 돌아갑니다.
    2. 두 번째 필드에 다른 종류의 인시던트를 참조하는 짧은 설명을 입력합니다. 예를 들어 <kbd class="ph userinput">MSSQL에 연결할 수 없음을</kbd> 입력합니다.
    3. 보내기 버튼을 클릭합니다.

    {#test-solution-prediction__substeps_khv_rb4_zcb}  
    솔루션 정의 설정에서 구성한 인시던트 범주에 따라 응답 본문 섹션이 새로 고쳐져 9단계에서 본 것과 다른 결과가 표시될 수 있습니다. 즉, 짧은 설명 텍스트를 변경하면 인시던트가 다른 종류의 문제로 다시 분류될 수 있습니다.

## 예

인시던트 양식을 사용하여 새 인시던트 기록을 생성할 때 예측 모델을 테스트 예측 인텔리전스 할 수도 있습니다.  
1. 다음으로 이동 인시던트새로 작성.
2. 로드되는 새 인시던트 양식에서 다음과 같이 필드를 설정합니다.
   * 사용자: 호출자 이름을 입력합니다.
   * 범주: 기본값으로 둡니다.
   * 간단한 설명: 테스트할 간단한 설명을 입력합니다.
   {#test-solution-prediction__ul_ddg_rbs_ycb}
3. 인시던트 양식을 제출합니다.
{#test-solution-prediction__ol_kcx_l1s_ycb}

결과: 양식을 새로 고치면 인시던트 범주가 특정 값으로 자동 설정된 정보 메시지가 나타납니다.  
주:  
일부 짧은 설명의 경우 솔루션에서 이 입력의 값을 예측할 수 있는 충분한 신뢰도가 없기 때문에 예측이 처리되지 않을 수 있습니다.
**관련 정보**   

* [예측 인텔리전스 API](https://www.servicenow.com/docs/access?context=agent-intelligence-api&version=xanadu&pubname=xanadu-api-reference&ft:locale=en-US)
* [MLPredictor - 전역](https://www.servicenow.com/docs/access?context=c_MLPredictorAPI&version=xanadu&pubname=xanadu-api-reference&ft:locale=en-US)