--- sourceDocument: Referência de API do Xanadu sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/pt-BR/xanadu/api-reference Release : - xanadu ft:locale : - pt-BR ft:publication_title : - Referência de API do Xanadu ft:clusterId : - crapiref bundleId : - crapiref workflow : - Creator --- # ClassificationSolutionVersion - Global # ClassificationSolutionVersion - Global {#ariaid-title1} * Versão de lançamento: Xanadu * * Atualizado 1 de ago. de 2024 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 12 min. de leitura A API ClassificationSolutionVersion é um objeto programável usado em armazenamentos Inteligência preditiva. Este A API requer o plug-in Inteligência preditiva (com.glide.platform_ml) e é fornecida no namespace `sn_ml`. Esta API é usada para trabalhar com versões de solução baseadas em objetos da [API ClassificationSolution](https://servicenow-prod.fluidtopics.net/xW959lTk9EdHpdL8SJfR9Q#ClassificationSolutionAPI "A API ClassificationSolution é um objeto programável usado em armazenamentos Inteligência preditiva.") no [armazenamento ClassificationSolution](https://servicenow-prod.fluidtopics.net/GP6WKgIsYPYFgeD2jw504g#ClassificationSolutionStoreAPI "Habilita o armazenamento e a recuperação de soluções."). O sistema cria uma versão de solução sempre que você treina uma definição de solução. A maioria das versões é criada durante o treinamento programado da solução. Os métodos nesta API podem ser acessados usando os seguintes [ClassificationSolution - Global](https://servicenow-prod.fluidtopics.net/xW959lTk9EdHpdL8SJfR9Q#ClassificationSolutionAPI "A API ClassificationSolution é um objeto programável usado em armazenamentos Inteligência preditiva.") métodos: * [getActiveVersion()](https://servicenow-prod.fluidtopics.net/xW959lTk9EdHpdL8SJfR9Q#ClassifictnSol-getActiveVersion "Objeto Obtém o ativo ClassificationSolutionVersion.") * [getAllVersions()](https://servicenow-prod.fluidtopics.net/xW959lTk9EdHpdL8SJfR9Q#ClassifictnSol-getAllVersions "Obtém todas as versões de uma solução de classificação.") * [getLatestVersion()](https://servicenow-prod.fluidtopics.net/xW959lTk9EdHpdL8SJfR9Q#ClassifictnSol-getLatestVersion "Obtém a versão mais recente de uma solução.") * [getVersion()](https://servicenow-prod.fluidtopics.net/xW959lTk9EdHpdL8SJfR9Q#ClassifictnSol-getVersion_S "Obtém uma solução pelo número de versão fornecido.") {#ClassificationSolutionVersionAPI__ul_ycl_fzf_tlb} ## ClassificationSolutionVersion - getPredictionPerformance(Opções de objeto) {#ariaid-title2} Calcula a precisão e a cobertura da solução. Para usar este método, você deve primeiro criar configurações usando o método setPredictionSettings(). {#ClssfnV-getPredictionPerformance_O__table_gby_x2w_plb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | opções | Objeto | Seleciona uma métrica a ser recuperada em um período de datas. Para obter mais informações, consulte [Configuração de métricas de destino](https://www.servicenow.com/docs/access?context=configuring-target-metrics-trained-classification-solution&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). { "fromDate": "String", "metricName": "String", "toDate": "String" } | | opções.deData | Cadeia de caracteres | Opcional. Data de início a partir da qual as métricas serão recuperadas no formato de data e hora do sistema. | | opções.metricName | Cadeia de caracteres | Nome da métrica. Valores válidos: * precision * coverage {#ClssfnV-getPredictionPerformance_O__ul_ncd_ldx_plb} | | opções.toDate | Cadeia de caracteres | Opcional. Data de término a partir da qual as métricas serão recuperadas. Formulário: formato de data e hora do sistema. | [Tabela 1. Parâmetros] {#ClssfnV-getPredictionPerformance_O__table_gby_x2w_plb} {#ClssfnV-getPredictionPerformance_O__table_hby_x2w_plb__entry__2} | Tipo | Descrição | |-|-| | Objeto | Objeto JavaScript analisável que contém os resultados da métrica de entrada. { "metricName" : "String", "metricValue" : "String", "numberOfPredictionsConsidered" : "String" } | | Objeto.metricName | Nome da métrica selecionada como entrada. Tipo de dados: cadeia de caracteres | | Objeto.ValorDamétrica | Valor da métrica selecionada. Tipo de dados: cadeia de caracteres | | Objeto.númeroDeRegistrosConsiderados | Número de registros na tabela Resultados de previsão \[ml_predictor_results\] considerados para cálculos. Tipo de dados: cadeia de caracteres | [Tabela 2. Retorna] {#ClssfnV-getPredictionPerformance_O__table_hby_x2w_plb} O exemplo a seguir mostra como obter um valor de precisão da versão ativa de uma solução. // Get precision value var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization'); gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getPredictionPerformance({"metricName": "precision"})), null, 2)); Saída: { "metricName": "precision", "metricValue": "70.10", "numberOfPredictionsConsidered": "10" } ## ClassificationSolutionVersion - getPredictionSettings() {#ariaid-title3} Obtém precisão estimada, cobertura estimada, valores de recall estimados da tabela Soluções de ML \[ml_solution\] e registros da tabela Confiança de classe \[ml_class\]. {#ClssfnV-getPredictionSettings__table_eq3_xbw_plb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 3. Parâmetros] {#ClssfnV-getPredictionSettings__table_eq3_xbw_plb} {#ClssfnV-getPredictionSettings__table_wph_2dw_plb__entry__2} | Tipo | Descrição | |-|-| | Objeto | Retorna configurações de previsão para cada classe. Os dados incluem valores de precisão, cobertura, recall e distribuição de todas as classes incluídas no modelo treinado da tabela Soluções de ML \[ml_solution\]. Para obter detalhes, consulte [Componentes do modelo preditivo](https://www.servicenow.com/docs/access?context=predictive-intelligence&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). { "": {Object} } | | \.\ | Dados de estatísticas de treinamento da tabela Confiança de classe \[ml_class\]. Para obter mais informações, consulte [Configuração de métricas de destino](https://www.servicenow.com/docs/access?context=configuring-target-metrics-trained-classification-solution&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Tipo de dados: objeto { "precision": "String", "coverage": "String", "recall": "String" } | | \.\ .precisão | Métrica de precisão da solução estimada para esta classe. Tipo de dados: cadeia de caracteres (valor numérico) | | \.\ .cobertura | Métrica de cobertura de solução estimada para esta classe. Tipo de dados: cadeia de caracteres (valor numérico) | | \.\ .recall | Métrica de recall de solução estimada para esta classe. Tipo de dados: cadeia de caracteres (valor numérico) | [Tabela 4. Retorna] {#ClssfnV-getPredictionSettings__table_wph_2dw_plb} O exemplo a seguir mostra como obter configurações de previsão de uma versão de solução ativa. var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization'); gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getPredictionSettings()), null, 2)); Saída: { "solutionSettings": { "precision": "61.69", "coverage": "66.75", "recall": "57.54" }, "classSettings": { "Approvals": { "precision": "100", "coverage": "0", "recall": "0" }, "Authentication": { "precision": "38.71", "coverage": "98.44", "recall": "56.25" }, "Automation": { "precision": "100", "coverage": "0", "recall": "0" }, ... ## ClassificationSolutionVersion - getProperties() {#ariaid-title4} Obtém propriedades do objeto de solução e número da versão. {#ClssfnV-getProperties__table_d2m_zwz_4lb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 5. Parâmetros] {#ClssfnV-getProperties__table_d2m_zwz_4lb} {#ClssfnV-getProperties__table_e2m_zwz_4lb__entry__2}{#ClssfnV-getProperties__classification-obj-group-desc} | Tipo | Descrição | |-|-| | Objeto | Conteúdos dos detalhes da versão do conjunto de dados e [ClassificationSolution](https://servicenow-prod.fluidtopics.net/xW959lTk9EdHpdL8SJfR9Q#ClassifictnSol-ClassificationSolution_O "Cria uma solução de classificação."). Os resultados variam de acordo com a configuração da propriedade do objeto. { "algorithmConfig": { "algorithm": "String", "targetClassRecall": "String" }, "datasetProperties": {Object}, "domainName": "String", "encoder": {Object}, "groupByFieldName": "String", "inputFieldNames": [Array], "isActive": Boolean, "label": "String", "name": "String", "predictedFieldName": "String", "processingLanguage": "String", "scope": "String", "stopwords": [Array], "stopwords": [Array], "trainingFrequency": "String", "versionNumber": "Number" } | | \.algorithmConfig | Método para codificar a solução. Tipo de dados: objeto | | \.algoritmoConfig.algoritmo | Nome do algoritmo de codificação para treinar esta solução. Valores possíveis: * xgboost: codificação XGBOOST para otimizar o treinamento. * logisticRegression: método que usa o modelo de regressão logística para destinos categóricos, como nominal ou ordinal. {#ClssfnV-getProperties__ul_wtd_l2k_xlb} Tipo de dados: cadeia de caracteres | | \.algorithmConfig.targetClassRecall | Parâmetro de recall de classe para orientar o treinamento de uma solução para direcionar uma classe específica. O valor de recall é um número entre 0 e 100 que representa uma porcentagem. Tipo de dados: cadeia de caracteres | | \.datasetProperties | Lista as propriedades do objeto [DatasetDefinition()](https://servicenow-prod.fluidtopics.net/o4nUJYO4X4WKz2l8yyx5lw#DDef-DatasetDefinition_O "Cria uma instância da classe DatasetDefinition, permitindo que você defina um conjunto de dados por nome de tabela, campos e consulta.") associado à solução. Tipo de dados: objeto { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } | | \.datasetProperties.tableName | Nome da tabela para o conjunto de dados. Por exemplo, `"tableName" : "Incidente"`. Tipo de dados: cadeia de caracteres | | \.datasetProperties.fieldNomes | Lista de nomes de campo da tabela especificada como cadeias de caracteres. Por exemplo, `"fieldNames" : ["short_description", "priority"]`. Tipo de dados: matriz | | \.datasetProperties.fieldNames.fieldDetails | Lista de objetos JavaScript que especificam propriedades de campo. Tipo de dados: matriz de objetos [ { "name": "String", "type": "String" } ] | | \.datasetProperties.fieldNames.fieldDetails.\.nome | Nome do campo que define o tipo de informação ao qual este conjunto de dados será restrito. Tipo de dados: cadeia de caracteres | | \.datasetProperties.fieldDetails.\.type | Tipo de campo de aprendizado de máquina. Tipo de dados: cadeia de caracteres | | \.datasetProperties.fieldDetails.encodedQuery | Cadeia de caracteres de consulta codificada no formato Glide padrão. Consulte Cadeias de [caracteres de consulta codificadas](https://www.servicenow.com/docs/access?context=c_EncodedQueryStrings&version=xanadu&pubname=xanadu-platform-user-interface&ft:locale=en-US). Tipo de dados: cadeia de caracteres | | \.domainName | Nome do domínio associado a este conjunto de dados. Consulte [Separação de domínios e Inteligência preditiva](https://www.servicenow.com/docs/access?context=domain-separation-predictive-intelligence&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Tipo de dados: cadeia de caracteres | | \.codificador | Objeto de codificador atribuído a esta solução. Consulte [Codificador - Codificador (configuração de objeto)](https://servicenow-prod.fluidtopics.net/DHEI1a5CyrgJeY0rkmQ1yw#Encoder-Encoder_O "Cria um codificador."). Tipo de dados: objeto | | \.groupByFieldName | Nome do campo pelo qual o sistema agrupa registros para criar soluções de classificação. Tipo de dados: cadeia de caracteres | | \.inputFieldNames | Lista de nomes de campos de entrada como cadeias de caracteres. O modelo usa esses campos usados para fazer previsões. Tipo de dados: cadeia de caracteres | | \.isActive | Sinalizador que indica se esta versão está ativa. Valores válidos: * verdadeiro: a versão está ativa. * falso: a versão não está ativa. {#ClssfnV-getProperties__ul_i5m_lp1_dmb} Tipo de dados: cadeia de caracteres | | \.rótulo | Identifica a tarefa de previsão. { "label": "my first prediction" } Tipo de dados: cadeia de caracteres | | \.nome | Nome atribuído pelo sistema. Tipo de dados: cadeia de caracteres | | \.predictedFieldName | Identifica um campo a ser treinado para previsibilidade. Tipo de dados: cadeia de caracteres | | \.processingLanguage | Idioma de processamento no formato de código de idioma ISO 639-1 de duas letras. Tipo de dados: cadeia de caracteres | | \.escopo | Escopo do objeto. Atualmente, o único valor válido é `global`. Tipo de dados: cadeia de caracteres | | \.palavras irrelevantes | Opcional. Lista predefinida de cadeias de caracteres que o sistema gera automaticamente com base na configuração da propriedade language. Para obter detalhes, consulte [Criação de uma lista de palavras irrelevantes personalizada](https://www.servicenow.com/docs/access?context=create-custom-stopwords-list&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Tipo de dados: matriz | | \.trainingFrequency | A frequência para retreinar o modelo. Valores possíveis: * a cada_30_dias * a cada_60_dias * a cada_90_dias * a cada_120_dias * a cada_180_dias * run_once {#ClssfnV-getProperties__ul_pmw_523_plb}Padrão: run_once Tipo de dados: cadeia de caracteres | | \.versionNumber | Objeto Número da versão do ClassificationSolution. Tipo de dados: cadeia de caracteres | [Tabela 6. Retorna] {#ClssfnV-getProperties__table_e2m_zwz_4lb} O exemplo a seguir obtém propriedades da versão do objeto ativo no armazenamento. // Get properties var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization'); gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getProperties()), null, 2)); Saída: *** Script: { "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" } ## ClassificationSolutionVersion - getStatus(Booliano includeDetails) {#ariaid-title5} Obtém o status de conclusão do treinamento. {#ClssfnV-getStatus_B__table_xfh_vbw_plb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | includeDetails | Booliano | Sinalizador que indica se o status deve ser retornado details. Valores válidos: * verdadeiro: retorna detalhes adicionais. * falso: não retorna detalhes adicionais. {#ClssfnV-getStatus_B__ul_n33_ckw_plb} Padrão: falso | [Tabela 7. Parâmetros] {#ClssfnV-getStatus_B__table_xfh_vbw_plb} {#ClssfnV-getStatus_B__table_yfh_vbw_plb__entry__2} | Tipo | Descrição | |-|-| | Objeto | Objeto JavaScript que contém informações de status de treinamento para um objeto [ClassificationSolution](https://servicenow-prod.fluidtopics.net/xW959lTk9EdHpdL8SJfR9Q#ClassificationSolutionAPI "A API ClassificationSolution é um objeto programável usado em armazenamentos Inteligência preditiva."). { "state": "String", "percentComplete": "Number as a String", "hasJobEnded": "Boolean value as a String", "details": {Object} } | | \.estado | Estado de conclusão do treinamento. Se o trabalho de treinamento atingir um estado terminal, o trabalho não sairá desse estado. Se o estado for terminal, a propriedade hasJobEnded será definida como `verdadeira`. Valores possíveis: * buscando_arquivos_para_treinamento * preparação_dados * tentar novamente * solution_cancelled (terminal) * solution_complete (terminal) * solution_error (terminal) * solução_incompleta * treinamento_request_recebido * treinamento_request_timed_out (terminal) * solução_treinamento * carregando_solução * aguardando_treinamento {#ClssfnV-getStatus_B__ul_a5q_gh4_vlb} Tipo de dados: cadeia de caracteres | | \.hasJobEnded | Sinalizador que indica se o treinamento foi concluído. Valores válidos: * verdadeiro: o treinamento está concluído. * falso: o treinamento está incompleto. {#ClssfnV-getStatus_B__ul_icy_zjx_rlb} Tipo de dados: valor booliano como cadeia de caracteres | | \.percentConcluído | Percentual de treinamento concluído. Se a porcentagem de conclusão for inferior a 100, o trabalho poderá estar em um estado terminal. Por exemplo, se o treinamento expirar. Tipo de dados: número como cadeia de caracteres Intervalo: 0 a 100 | | \.detalhes | Objeto que contém uma lista de detalhes de treinamento adicionais. Tipo de dados: objeto | [Tabela 8. Retorna] {#ClssfnV-getStatus_B__table_yfh_vbw_plb} O exemplo a seguir mostra um resultado bem-sucedido com o treinamento concluído. // Get status var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization'); gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getStatus(true), null, 2))); Saída: { "state":"solution_complete", "percentComplete":"100", "hasJobEnded":"true", "details":{"stepLabel":"Solution Complete"} // This information is only returned if getStatus(true); } O exemplo a seguir mostra um resultado malsucedido com o treinamento concluído. // Get status var solutionName = 'ml_x_snc_global_global_classification_solution'; var mlSolution = sn_ml.ClassificationSolutionStore.get(solutionName); var trainingStatus = mlSolution.getLatestVersion().getStatus(); gs.print(JSON.stringify(JSON.parse(trainingStatus), null, 2)); Saída: { "state":"solution_error", "percentComplete":"100", "hasJobEnded":"true" } ## ClassificationSolutionVersion - getTrainingStatistics() {#ariaid-title6} Obtém todas as estatísticas de treinamento para uma determinada solução. {#ClssfnV-getTrainingStatistics__table_vph_2dw_plb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 9. Parâmetros] {#ClssfnV-getTrainingStatistics__table_vph_2dw_plb} {#ClssfnV-getTrainingStatistics__table_wph_2dw_plb__entry__2} | Tipo | Descrição | |-|-| | Objeto | Objeto JavaScript com estatísticas para cada classe incluída no treinamento e valores para cada classe que foi excluída do treinamento. Para obter detalhes, consulte [Componentes do modelo preditivo](https://www.servicenow.com/docs/access?context=predictive-intelligence&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). { "includedClasses": {Object}, "excludedClasses": {Object} } | | \.includedClasses | Objeto que contém valores de precisão, cobertura, recall e distribuição de cada classe no modelo treinado. Tipo de dados: objeto "includedClasses": { "": { "distribution": "String", "statistics": [Array] }, | | \.includedClasses.\ .distribuição | Valor da distribuição de probabilidade de resultado para esta classe. Tipo de dados: cadeia de caracteres | | \.includedClasses.\ .estatísticas | Lista de objetos que fornecem dados estatísticos de treinamento. Para obter mais informações, consulte [Configuração de métricas de destino](https://www.servicenow.com/docs/access?context=configuring-target-metrics-trained-classification-solution&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). Tipo de dados: matriz de objetos [ { "coverage": "String", "precision": "String", "recall": "String", "selected": "String" } ] | | \.includedClasses.\ .estatística.cobertura | Métrica de cobertura de solução estimada para esta classe. Tipo de dados: cadeia de caracteres (valor numérico) | | \.includedClasses.\ .estatística.precisão | Métrica de precisão da solução estimada para esta classe. Tipo de dados: cadeia de caracteres (valor numérico) | | \.includedClasses.\ .estatística.recall | Métrica de recall de solução estimada para esta classe. Tipo de dados: cadeia de caracteres (valor numérico) | | \.includedClasses.\ .estatísticas.selecionadas | Sinalizador que indica se esta classe contém registros incluídos no treinamento da solução. Valores válidos: * verdadeiro: esta classe contém registros selecionados para treinar a solução. * falso: esta classe foi excluída do treinamento. {#ClssfnV-getTrainingStatistics__ul_sht_4cx_plb} Tipo de dados: cadeia de caracteres (valor booliano) Padrão: falso | | \.excludedClasses | Distribuição e contagem de linhas de todas as classes excluídas do treinamento. Tipo de dados: objeto "excludedClasses": { "": { "distribution": "0.11", "rowCount": "9" } | | \.excludedClasses.\ .distribuição | Valor da distribuição de probabilidade de resultado para esta classe. Tipo de dados: cadeia de caracteres | | \.excludedClasses.\ .rowCount | Número de linhas excluídas do treinamento. Tipo de dados: cadeia de caracteres (valor numérico) | [Tabela 10. Retorna] {#ClssfnV-getTrainingStatistics__table_wph_2dw_plb} O exemplo a seguir mostra como obter estatísticas de treinamento da solução ativa. // Get training stats var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization'); gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getTrainingStatistics()), null, 2)); Saída: { "includedClasses": { "Approvals": { "distribution": "0.43", "statistics": [ { "precision": "100", "coverage": "0", "recall": "0", "selected": "true" } ] }, "Authentication": { "distribution": "4.3", "statistics": [ { "precision": "39.33", "coverage": "95.31", "recall": "54.69", "selected": "false" }, { "precision": "100", "coverage": "0", "recall": "0", "selected": "false" }, ... } ... "excludedClasses": { "ACE": { "distribution": "0.11", "rowCount": "9" }, "AHA": { "distribution": "0.01", "rowCount": "1" }, ... } ## ClassificationSolutionVersion - getVersionNumber() {#ariaid-title7} Obtém o número da versão de um objeto de solução. {#ClssfnV-getVersionNumber__table_jsz_sbw_plb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 11. Parâmetros] {#ClssfnV-getVersionNumber__table_jsz_sbw_plb} {#ClssfnV-getVersionNumber__table_ksz_sbw_plb__entry__2} | Tipo | Descrição | |-|-| | Cadeia de caracteres | Número da versão. | [Tabela 12. Retorna] {#ClssfnV-getVersionNumber__table_ksz_sbw_plb} O exemplo a seguir mostra como obter um número de versão. // Get version number var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_incident_categorization'); gs.print("Version number: "+JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getVersionNumber()), null, 2)); Saída: Version number: 1 ## ClassificationSolutionVersion - prever (entrada de objeto, opções de objeto) {#ariaid-title8} Obtém os dados de entrada para uma previsão. {#ClssfnV-predict_O_O__table_wwz_pbw_plb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | entrada | Objeto | [GlideRecord](https://servicenow-prod.fluidtopics.net/MVDQAzAUPvxIFzjBauTu9Q#c_GlideRecordAPI "A API GlideRecord é usada para operações de banco de dados.") ou matriz de objetos JSON que contém nomes e valores de campo como pares de chave-valor. | | opções | Objeto | Valores opcionais para filtrar resultados de previsão. { "apply_threshold": Boolean, "top_n": Number } | | opções.apply_threshold | Booliano | Sinalizador que indica se o valor de limite da solução deve ser verificado e aplicado ao conjunto de resultados. Valores válidos: * verdadeiro: retorna resultados em que a confiança é maior que o limite. * falso: retorna todos os resultados. {#ClssfnV-predict_O_O__ul_f4d_xyx_slb} Padrão: verdadeiro | | opções.top_n | Número | Se fornecido, retorna os principais resultados, até o número especificado de previsões. | [Tabela 13. Parâmetros] {#ClssfnV-predict_O_O__table_wwz_pbw_plb} {#ClssfnV-predict_O_O__table_xwz_pbw_plb__entry__2} | Tipo | Descrição | |-|-| | Objeto | Objeto JSON que contém os resultados da previsão classificados por sys_id ou record_number. { : [Array] } | | \.\ | Lista de objetos com detalhes para cada resultado de previsão. Tipo de dados: matriz de objetos : [ { "confidence": Number, "predictedSysId": "String", "predictedValue": "String", "threshold": Number } ] | | \.\ .\.confiança | Valor da confiança associada à previsão. Por exemplo, 53,84. Tipo de dados: número | | \.\ .\.predictedSysId | O sys_id do valor previsto. Os resultados podem ser de qualquer tabela na qual as informações estão sendo previstas. Tipo de dados: cadeia de caracteres | | \.\ .\.predictedValue | Valor que representa o resultado da previsão. Tipo de dados: cadeia de caracteres | | \.\ .\.threshold | Valor do limite configurado associado à previsão. Tipo de dados: número | [Tabela 14. Retorna] {#ClssfnV-predict_O_O__table_xwz_pbw_plb} O exemplo a seguir mostra como exibir resultados de previsão para um método de previsão () que usa um GlideRecord por sys_id como entrada e inclui parâmetros opcionais para restringir aos três principais resultados e excluir o valor limite. var mlSolution = sn_ml.ClassificationSolutionStore.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)); Saída: { "": [ { "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": "" } ] } O exemplo a seguir mostra como exibir resultados de previsão para um método de previsão () que usa uma matriz de nomes de campo como pares de chave-valor para entrada e inclui parâmetros opcionais para restringir aos três principais resultados e excluir o valor limite. var mlSolution = sn_ml.ClassificationSolutionStore.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)); Saída: { "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": "" } ] } ## ClassificationSolutionVersion - setPredictionSettings(Opções de objeto) {#ariaid-title9} Define valores de precisão, cobertura ou recall no nível de solução ou de classe. {#ClssfnV-setPredictionSettings_O__table_b45_tdw_plb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | opções | Objeto | Valores de configuração de métrica. Para obter informações sobre esses recursos, consulte [Configuração de métricas de destino](https://www.servicenow.com/docs/access?context=configuring-target-metrics-trained-classification-solution&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US). { "metricName" : "String", "metricValue" : "String", "className" : "String" } | | opções.metricName | Cadeia de caracteres | Nome da métrica a ser definida. Valores válidos: * coverage{#ClssfnV-setPredictionSettings_O__classification-v-metrics-coverage} * precision{#ClssfnV-setPredictionSettings_O__classification-v-metrics-precision} * recall{#ClssfnV-setPredictionSettings_O__classification-v-metrics-recall} {#ClssfnV-setPredictionSettings_O__ul_ncd_ldx_plb} | | opções.metricValue | Cadeia de caracteres | Valor numérico a ser atribuído à métrica. | | opções.className | Cadeia de caracteres | Opcional. Nome da classe para restringir os resultados. Use o método [getTrainingStatistics()](https://servicenow-prod.fluidtopics.net/~Kf_7HYGqA7i4yiGXNsmCg#ClssfnV-getTrainingStatistics "Obtém todas as estatísticas de treinamento para uma determinada solução.") para recuperar uma lista completa de classes para uma solução. | [Tabela 15. Parâmetros] {#ClssfnV-setPredictionSettings_O__table_b45_tdw_plb} {#ClssfnV-setPredictionSettings_O__table_c45_tdw_plb__entry__2} | Tipo | Descrição | |-|-| | Nenhum(a) | | [Tabela 16. Retorna] {#ClssfnV-setPredictionSettings_O__table_c45_tdw_plb} O exemplo a seguir mostra como definir uma métrica de precisão como 89,5 para uma classe chamada `Problemas de clone`. var mlSolution = sn_ml.ClassificationSolutionStore.get('ml_x_snc_global_global_classification'); var input = {"metricName" : "precision", "metricValue" : "89.5", "className" : "Clone Issues"}; mlSolution.getActiveVersion().setTrainingStatistics(input);