---
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


---

# Codificador - Global

# Codificador - Global {#ariaid-title1}

* Versão de lançamento: Xanadu
* 
* Atualizado 1 de ago. de 2024
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 8 min. de leitura

A API Encoder fornece um objeto programável usado em armazenamentos Inteligência preditiva. Este objeto converte dados de entrada em vetores de números, com base em objetivos e configurações específicas do codificador. Os codificadores podem ser usados independentemente para executar codificações ou podem ser configurados como parte de soluções para codificar colunas de texto.

Este A API requer o plug-in Inteligência preditiva (com.glide.platform_ml) e é fornecida no namespace `sn_ml`.

Codificadores são objetos de processamento de texto pré-treinados ou treinados com base nos conjuntos de dados de idioma fornecidos. Você pode treinar codificadores que determinam como o sistema interpreta e processa os campos de texto. Para soluções de ML que incluem texto, você pode treinar um codificador para especificar como processar texto e usar o codificador treinado em uma solução.

Os codificadores têm configuração e versões e podem ser treinados independentemente com sua própria frequência de retreinamento. Os codificadores definidos pela API são diferentes dos codificadores definidos pela IU, porque o retreinamento de codificadores definidos pela IU é controlado pelas soluções que os usam.  
O fluxo de configuração para treinamento do codificador é o seguinte:

1. Crie um ou mais conjuntos de dados usando a API [DatasetDefinition](https://servicenow-prod.fluidtopics.net/o4nUJYO4X4WKz2l8yyx5lw#DatasetDefinitionAPI "A API DatasetDefinition fornece métodos para identificar um conjunto de registros, incluindo um nome de tabela, colunas e critérios de seleção de linha a serem usados como entrada para algoritmos de treinamento de ML. Os conjuntos de dados não contêm os dados reais.").
2. Use o [construtor](https://servicenow-prod.fluidtopics.net/DHEI1a5CyrgJeY0rkmQ1yw#Encoder-Encoder_O "Cria um codificador.") para criar um objeto codificador.
3. Adicione o objeto do codificador ao armazenamento do codificador usando o método [EncoderStore - add()](https://servicenow-prod.fluidtopics.net/a~YrVGpJumwxlEn_t3ghIw#EncoderStore-add_O "Adiciona um novo codificador objeto de solução ao armazenamento e retorna um nome exclusivo.").
4. Treine o codificador usando o método [submitTrainingJob()](https://servicenow-prod.fluidtopics.net/DHEI1a5CyrgJeY0rkmQ1yw#Encoder-submitTrainingJob "Envia um trabalho de treinamento."). Isso cria uma versão do objeto que você pode gerenciar usando a API [EncoderVersion](https://servicenow-prod.fluidtopics.net/d0bTgpbJJ2xwZZlaSpCyVA#EncoderVersionAPI "A API EncoderVersion fornece um objeto programável usado em armazenamentos Inteligência preditiva.").

{#EncoderAPI__ol_aqf_1xt_2mb}Depois de treinar um codificador, você pode usá-lo em um objeto de solução:

* [Solução de classificação](https://servicenow-prod.fluidtopics.net/xW959lTk9EdHpdL8SJfR9Q#ClassificationSolutionAPI "A API ClassificationSolution é um objeto programável usado em armazenamentos Inteligência preditiva.")
* [ClusteringSolution](https://servicenow-prod.fluidtopics.net/A1xl8_fuXnhAOEvzgWy5zQ#ClusteringSolutionAPI "A API ClusteringSolution é um objeto programável usado em armazenamentos Inteligência preditiva.") (obrigatório, a menos que esteja usando o algoritmo de distância Levenshtein)
* [SoluçãoDeRegressão](https://servicenow-prod.fluidtopics.net/fIHl7Kb~Ez8oih5Ywiil2Q#RegressionSolutionAPI "A API RegressionSolution é um objeto programável usado em armazenamentos Inteligência preditiva.")
* [SimilaritySolution](https://servicenow-prod.fluidtopics.net/Tv2lO4WmWRv20eJUmPNJAQ#SimilaritySolutionAPI "A API SimilaritySolution é um objeto programável usado em armazenamentos Inteligência preditiva.") (obrigatório)

{#EncoderAPI__ul_v1k_kzq_bmb}  
Nota:  
Esta API executa com privilégios totais. Para restringir o acesso do usuário, inclua um mecanismo de controle de acesso no script.

Para obter diretrizes de uso, consulte [Como usar APIs de ML](https://www.servicenow.com/docs/access?context=using-ml-apis&version=xanadu&pubname=xanadu-intelligent-experiences&ft:locale=en-US).

## Codificador - Codificador (configuração de objeto) {#ariaid-title2}

Cria um codificador.
Para obter um codificador para um ou mais conjuntos de dados, use este construtor para criar um novo objeto de codificador com um nome exclusivo.
{#Encoder-Encoder_O__table_gm2_yt5_flb__entry__3}{#Encoder-Encoder_O__solution-obj-domainN-default}{#Encoder-Encoder_O__solution-obj-lang-desc}{#Encoder-Encoder_O__solution-obj-stop-desc}

| Nome | Tipo | Descrição |
|-|-|-|
| config | Objeto | Objeto JavaScript que contém propriedades de configuração do codificador. { "algorithmConfig": {Object}, "datasets": [Array], "domainName": "String", "label": "String", "minRowCount": "String", "processingLanguage": "String", "stopwords": [Array], "trainingFrequency": "String" } |
| config.algorithmConfig | Objeto | Opcional. Objeto JavaScript que contém propriedades de configuração do algoritmo. 'algorithmConfig' : { "algorithm": "String" } |
| config.algorithmConfig.algorithm | Cadeia de caracteres | Nome do algoritmo para treinar este codificador. Valores possíveis: * paravec: incorporação de palavra vetorial de parágrafo. * tf-idf: Texto baseado em Frequência Termo--Frequência Inversa do Documento (TF-IDF). {#Encoder-Encoder_O__ul_encoder_alg_vals} |
| config.conjuntosdedados | Matriz | Lista de nomes de objeto [DatasetDefinition](https://servicenow-prod.fluidtopics.net/o4nUJYO4X4WKz2l8yyx5lw#DatasetDefinitionAPI "A API DatasetDefinition fornece métodos para identificar um conjunto de registros, incluindo um nome de tabela, colunas e critérios de seleção de linha a serem usados como entrada para algoritmos de treinamento de ML. Os conjuntos de dados não contêm os dados reais."). |
| config.domainName | Cadeia de caracteres | Opcional. 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). Padrão: domínio atual, por exemplo, `"global"`. |
| config.rótulo | Cadeia de caracteres | Identifica a tarefa de previsão. |
| config.minRowCount | Cadeia de caracteres | Opcional. Número mínimo de registros necessários no conjunto de dados para treinamento. Padrão: 10000 |
| config.processingLanguage | Cadeia de caracteres | Opcional. Idioma de processamento no formato de código de idioma ISO 639-1 de duas letras. Padrão: "en" |
| config.palavras irrelevantes | Matriz | 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). Padrão: palavras irrelevantes em inglês |
| config.FrequênciaDetreinamento | Cadeia de caracteres | 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 {#Encoder-Encoder_O__ul_pmw_523_plb}Padrão: run_once |
[Tabela 1. Parâmetros]

{#Encoder-Encoder_O__table_gm2_yt5_flb}  
O exemplo a seguir mostra como criar um trabalho de codificador e adicioná-lo ao armazenamento do codificador.

    var myPrbData = new sn_ml.DatasetDefinition({
        'tableName' : 'problem',
        'fieldNames' : ['short_description'],
        'encodedQuery' : 'activeANYTHING'
    });

    var myIncidentData = new sn_ml.DatasetDefinition({
        'tableName' : 'incident',
        'fieldNames' : ['short_description', 'description'],
        'encodedQuery' : 'activeANYTHING'
    });

    var myEncoder = new sn_ml.Encoder({
        'label': "encoder",
        'datasets' : [myPrbData, myIncidentData],
        'algorithmConfig' : {
            'algorithm' : 'tf-idf'
        }
    });
    var myEncoderName = sn_ml.EncoderStore.add(myEncoder);

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

Cancela um trabalho para um objeto de codificador que foi enviado para treinamento.
{#Encoder-cancelTrainingJob__table_bpb_k3z_llb__entry__3}

| Nome | Tipo | Descrição |
|-|-|-|
| Nenhum |   |   |
[Tabela 2. Parâmetros]

{#Encoder-cancelTrainingJob__table_bpb_k3z_llb} {#Encoder-cancelTrainingJob__table_cpb_k3z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Nenhum |   |
[Tabela 3. Retorna]

{#Encoder-cancelTrainingJob__table_cpb_k3z_llb}  
O exemplo a seguir mostra como cancelar um trabalho de treinamento existente.

    var myEncoder = sn_ml.EncoderStore.get('ml_sn_global_global_encoder');

    myEncoder.cancelTrainingJob();

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

Obtém o ativo Objeto EncoderVersion.
{#Encoder-getActiveVersion__table_tvl_m3z_llb__entry__3}

| Nome | Tipo | Descrição |
|-|-|-|
| Nenhum |   |   |
[Tabela 4. Parâmetros]

{#Encoder-getActiveVersion__table_tvl_m3z_llb} {#Encoder-getActiveVersion__table_uvl_m3z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Objeto | Objeto [EncoderVersion](https://servicenow-prod.fluidtopics.net/d0bTgpbJJ2xwZZlaSpCyVA#EncoderVersionAPI "A API EncoderVersion fornece um objeto programável usado em armazenamentos Inteligência preditiva.") ativo. |
[Tabela 5. Retorna]

{#Encoder-getActiveVersion__table_uvl_m3z_llb}  
O exemplo a seguir mostra como obter uma Codificador versão ativa do armazenamento e retornar seu status de treinamento.

    var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder');

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

Saída:

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

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

Obtém todas as versões de um codificador.
{#Encoder-getAllVersions__table_tvl_m3z_llb__entry__3}

| Nome | Tipo | Descrição |
|-|-|-|
| Nenhum |   |   |
[Tabela 6. Parâmetros]

{#Encoder-getAllVersions__table_tvl_m3z_llb} {#Encoder-getAllVersions__table_uvl_m3z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Matriz | Versões existentes de um objeto codificador. Consulte também a API [EncoderVersion](https://servicenow-prod.fluidtopics.net/d0bTgpbJJ2xwZZlaSpCyVA#EncoderVersionAPI "A API EncoderVersion fornece um objeto programável usado em armazenamentos Inteligência preditiva."). |
[Tabela 7. Retorna]

{#Encoder-getAllVersions__table_uvl_m3z_llb}  
O exemplo a seguir mostra como obter todos os objetos de versão do codificador e chamar os métodos de versão do codificador getVersionNumber() e getStatus() neles.

    var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder');

    var mlEncoderVersions = mlEncoder.getAllVersions();

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

Saída:

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

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

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

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

Obtém a versão mais recente de um codificador.
{#Encoder-getLatestVersion__table_tvl_m3z_llb__entry__3}

| Nome | Tipo | Descrição |
|-|-|-|
| Nenhum |   |   |
[Tabela 8. Parâmetros]

{#Encoder-getLatestVersion__table_tvl_m3z_llb} {#Encoder-getLatestVersion__table_uvl_m3z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Objeto | [EncoderVersion](https://servicenow-prod.fluidtopics.net/d0bTgpbJJ2xwZZlaSpCyVA#EncoderVersionAPI "A API EncoderVersion fornece um objeto programável usado em armazenamentos Inteligência preditiva.") objeto correspondente à versão mais recente de e [Encoder()](https://servicenow-prod.fluidtopics.net/DHEI1a5CyrgJeY0rkmQ1yw#Encoder-Encoder_O "Cria um codificador."). |
[Tabela 9. Retorna]

{#Encoder-getLatestVersion__table_uvl_m3z_llb}  
O exemplo a seguir mostra como obter a versão mais recente de um codificador e retornar seu status de treinamento.

    var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder');

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

Saída:

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

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

Obtém o nome do objeto a ser usado para interação com o armazenamento.
{#Encoder-getName__table_pps_43z_llb__entry__3}

| Nome | Tipo | Descrição |
|-|-|-|
| Nenhum |   |   |
[Tabela 10. Parâmetros]

{#Encoder-getName__table_pps_43z_llb} {#Encoder-getName__table_qps_43z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Cadeia de caracteres | Nome do objeto do codificador. |
[Tabela 11. Retorna]

{#Encoder-getName__table_qps_43z_llb}  
O exemplo a seguir mostra como atualizar Codificador as informações do conjunto de dados e imprimir o nome do objeto.

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

    var eligibleFields = JSON.parse(myIncidentData.getEligibleFields(encoder));

    var myEncoder = new sn_ml.Encoder({
       'label': "my encoder",
       'datasets' : [myIncidentData],
       'inputFieldNames': eligibleFields['eligibleInputFieldNames'],
       'predictedFieldName': 'category'
    });

    // update encoder
    sn_ml.EncoderStore.update('ml_x_snc_global_global_my_definition_4', myEncoder);

    // print encoder name
    gs.print('Encoder Name: '+myEncoder.getName());

Saída:

    Encoder Name: ml_x_snc_global_global_my_definition_4

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

Obtém propriedades do objeto de solução.
{#Encoder-getProperties__table_pps_43z_llb__entry__3}

| Nome | Tipo | Descrição |
|-|-|-|
| Nenhum |   |   |
[Tabela 12. Parâmetros]

{#Encoder-getProperties__table_pps_43z_llb} {#Encoder-getProperties__table_qps_43z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Objeto | Conteúdos dos detalhes do objeto Dataset e [Encoder()](https://servicenow-prod.fluidtopics.net/DHEI1a5CyrgJeY0rkmQ1yw#Encoder-Encoder_O "Cria um codificador.") no [EncoderStore](https://servicenow-prod.fluidtopics.net/a~YrVGpJumwxlEn_t3ghIw#EncoderStoreAPI "A API EncoderStore fornece métodos para armazenar e recuperar codificadores."). { "algorithmConfig" : {Object}, "datasetsProperties": [Array], "domainName": "String", "label": "String", "name": "String", "processingLanguage": "String", "scope": "String", "stopwords": [Array], "trainingFrequency": "String" } |
| \<Object\>.algoritmoConfig.algoritmo | Nome do algoritmo para treinar este codificador. Valores possíveis: * paravec: incorporação de palavra vetorial de parágrafo. * tf-idf: Texto baseado em Frequência Termo--Frequência Inversa do Documento (TF-IDF). {#Encoder-getProperties__ul_encoder_alg_vals} Tipo de dados: cadeia de caracteres. |
| \<Object\>.algorithmConfig | Opcional. Objeto JavaScript que contém propriedades de configuração do algoritmo. 'algorithmConfig' : { "algorithm": "String" } Tipo de dados: objeto. |
| \<Object\>.datasetsProperties | Lista de propriedades [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.") associadas ao codificador. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } Tipo de dados: matriz. |
| \<Object\>.datasetsProperties.tableName | Nome da tabela para o conjunto de dados. Por exemplo, `"tableName" : "Incidente"`. Tipo de dados: cadeia de caracteres. |
| \<Object\>.datasetsProperties.fieldNomes | Lista de nomes de campo da tabela especificada como cadeias de caracteres. Por exemplo, `"fieldNames" : ["short_description", "priority"]`. Tipo de dados: matriz. |
| \<Object\>.datasetsProperties.fieldNames.fieldDetails | Lista de objetos JavaScript que especificam propriedades de campo. [ { "name": "String", "type": "String" } ] Tipo de dados: matriz. |
| \<Object\>.datasetsProperties.fieldNames.fieldDetails.\<object\>.nome | Nome do campo que define o tipo de informação ao qual este conjunto de dados será restrito. Tipo de dados: cadeia de caracteres. |
| \<Object\>.datasetsProperties.fieldDetails.\<object\>.type | Tipo de campo de aprendizado de máquina. Tipo de dados: cadeia de caracteres. |
| \<Object\>.datasetsProperties.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. |
| \<Object\>.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. |
| \<Object\>.rótulo | Identifica a tarefa de previsão. { "label": "my first prediction" } Tipo de dados: cadeia de caracteres. |
| \<Object\>.nome | Nome atribuído pelo sistema. Tipo de dados: cadeia de caracteres. |
| \<Object\>.predictedFieldName | Identifica um campo a ser treinado para previsibilidade. Tipo de dados: cadeia de caracteres. |
| \<Object\>.processingLanguage | Idioma de processamento no formato de código de idioma ISO 639-1 de duas letras. Tipo de dados: cadeia de caracteres. |
| \<Object\>.escopo | Escopo do objeto. Atualmente, o único valor válido é `global`. Tipo de dados: cadeia de caracteres |
| \<Object\>.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. |
| \<Object\>.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 {#Encoder-getProperties__ul_pmw_523_plb}Padrão: run_once Tipo de dados: cadeia de caracteres. |
[Tabela 13. Retorna]

{#Encoder-getProperties__table_qps_43z_llb}  
O exemplo a seguir obtém propriedades de um objeto de codificador no armazenamento.

    var myEncoder = sn_ml.EncoderStore.get('ml_sn_global_global_encoder');

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

Saída:

    *** Script: {
      "datasetsProperties": [
        {
          "tableName": "incident",
          "fieldNames": [
            "assignment_group",
            "short_description",
            "description"
          ],
          "encodedQuery": "activeANYTHING"
        }
      ],
      "domainName": "global",
      "label": "my encoder definition",
      "name": "ml_x_snc_global_global_my_encoder_definition",
      "processingLanguage": "en",
      "scope": "global",
      "stopwords": [
        "Default English Stopwords"
      ],
      "trainingFrequency": "run_once"
    }

## Codificador - getVersion(String version) {#ariaid-title9}

Obtém um codificador pelo número de versão fornecido.
{#Encoder-getVersion_S__table_pps_43z_llb__entry__3}

| Nome | Tipo | Descrição |
|-|-|-|
| versão | Cadeia de caracteres | Número da versão existente de um codificador. |
[Tabela 14. Parâmetros]

{#Encoder-getVersion_S__table_pps_43z_llb} {#Encoder-getVersion_S__table_qps_43z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Objeto | Versão especificada do objeto [Encoder()](https://servicenow-prod.fluidtopics.net/DHEI1a5CyrgJeY0rkmQ1yw#Encoder-Encoder_O "Cria um codificador.") na qual você pode chamar métodos de API [EncoderVersion](https://servicenow-prod.fluidtopics.net/d0bTgpbJJ2xwZZlaSpCyVA#EncoderVersionAPI "A API EncoderVersion fornece um objeto programável usado em armazenamentos Inteligência preditiva."). |
[Tabela 15. Retorna]

{#Encoder-getVersion_S__table_qps_43z_llb}  
O exemplo a seguir mostra como obter o status de treinamento de um codificador por número de versão.

    var mlEncoder = sn_ml.EncoderStore.get('ml_x_snc_global_global_encoder');

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

Saída:

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

## Codificador - setActiveVersion(String version) {#ariaid-title10}

Ativa uma versão especificada de um codificador no armazenamento.
{#Encoder-setActiveVersion_S__table_pps_43z_llb__entry__3}

| Nome | Tipo | Descrição |
|-|-|-|
| versão | Cadeia de caracteres | Nome da versão do objeto [Encoder()](https://servicenow-prod.fluidtopics.net/DHEI1a5CyrgJeY0rkmQ1yw#Encoder-Encoder_O "Cria um codificador.") a ser ativada. Ativar esta versão desativa qualquer outra versão. |
[Tabela 16. Parâmetros]

{#Encoder-setActiveVersion_S__table_pps_43z_llb} {#Encoder-setActiveVersion_S__table_qps_43z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Nenhum(a) |   |
[Tabela 17. Retorna]

{#Encoder-setActiveVersion_S__table_qps_43z_llb}  
O exemplo a seguir mostra como ativar um codificador versão de solução na loja.

    sn_ml.Encoder.setActiveVersion("ml_incident_categorization");

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

Envia um trabalho de treinamento.
Nota:  
Antes de executar este método, você deve primeiro adicionar um codificador ao armazenamento usando o método [EncoderStore - add()](https://servicenow-prod.fluidtopics.net/a~YrVGpJumwxlEn_t3ghIw#EncoderStore-add_O "Adiciona um novo codificador objeto de solução ao armazenamento e retorna um nome exclusivo.").
{#Encoder-submitTrainingJob__table_xmd_33z_llb__entry__3}

| Nome | Tipo | Descrição |
|-|-|-|
| Nenhum |   |   |
[Tabela 18. Parâmetros]

{#Encoder-submitTrainingJob__table_xmd_33z_llb} {#Encoder-submitTrainingJob__table_ymd_33z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Objeto | [Codificador](https://servicenow-prod.fluidtopics.net/DHEI1a5CyrgJeY0rkmQ1yw#Encoder-Encoder_O "Cria um codificador.") está sendo treinado.[EncoderVersion](https://servicenow-prod.fluidtopics.net/d0bTgpbJJ2xwZZlaSpCyVA#EncoderVersionAPI "A API EncoderVersion fornece um objeto programável usado em armazenamentos Inteligência preditiva.") objeto correspondente ao que |
[Tabela 19. Retorna]

{#Encoder-submitTrainingJob__table_ymd_33z_llb}  
O exemplo a seguir mostra como criar um conjunto de dados, aplicá-lo a um codificador, adicione-o a um armazenamento e enviar o trabalho de treinamento.

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

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

    });

    // Create an encoder 
    var myEncoder = new sn_ml.Encoder({

      'label': "my encoder definition",
      'datasets' : [myData],
      'predictedFieldName' : 'assignment_group',
      'inputFieldNames':['short_description']

    });

    // Add the encoder to the store to later be able to retrieve it.
    var my_unique_name = sn_ml.EncoderStore.add(myEncoder);

    // Train the encoder - this is a long running job 
    var myEncoderVersion = myEncoder.submitTrainingJob();