---
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


---

# Estimativa de Previsibilidade - Global

# Estimativa de Previsibilidade - Global {#ariaid-title1}

* Versão de lançamento: Xanadu
* 
* Atualizado 1 de ago. de 2024
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 7 min. de leitura

A API PredictabilityEstimate é um objeto programável usado em Inteligência preditiva armazenamentos. Este objeto fornece uma estimativa de como os campos de um conjunto de dados podem ser previsíveis e quais recursos podem ser úteis para prever esses campos.

Este A API requer o plug-in Inteligência preditiva (com.glide.platform_ml) e é fornecida no namespace `sn_ml`.  
O fluxo de configuração para treinamento da estimativa de previsibilidade é o seguinte:

1. Crie um conjunto 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/hMQ90sxmfpQmIk_X3QxaCQ#PrdctbltE-PredictabilityEstimate_O "Cria uma estimativa de previsibilidade.") para criar um objeto de estimativa de previsibilidade.
3. Adicione o objeto de estimativa de previsibilidade ao armazenamento de estimativa de previsibilidade usando o método [PredictabilityEstimateStore - add()](https://servicenow-prod.fluidtopics.net/JNdhFdm_N5hWfaX_aiNSmw#PredictbltyEstStore-add_O "Adiciona uma nova estimativa de previsibilidade objeto de solução ao armazenamento e retorna um nome exclusivo.").
4. Treine a estimativa de previsibilidade usando o método [submitTrainingJob()](https://servicenow-prod.fluidtopics.net/hMQ90sxmfpQmIk_X3QxaCQ#PrdctbltE-submitTrainingJob "Envia um trabalho de treinamento."). Isso cria uma versão do objeto que você pode gerenciar usando a API [PredictabilityEstimateVersion](https://servicenow-prod.fluidtopics.net/xINiSQTu0F6vSf1WbgNiPQ#PredictabilityEstimateVersionAPI "A API PredictabilityEstimateVersion é um objeto programável usado em armazenamentos Inteligência preditiva.").
5. Obtenha valores preditivos estimados usando o método [PredictabilityEstimateVersion -- getResults()](https://servicenow-prod.fluidtopics.net/xINiSQTu0F6vSf1WbgNiPQ#PredictbltyEstV-getResults "Retorna resultados JSON contendo campos de entrada sugeridos para um campo de saída.").

{#PredictabilityEstimateAPI__ol_mmm_n1c_dmb}  
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).

## PredictabilityEstimate - PredictabilityEstimate(Configuração de objeto) {#ariaid-title2}

Cria uma estimativa de previsibilidade.
Para obter novas estimativas de previsibilidade no mesmo conjunto de dados, use este construtor para criar um novo objeto PredictabilityEstimate com um nome exclusivo.
{#PrdctbltE-PredictabilityEstimate_O__table_gm2_yt5_flb__entry__3}{#PrdctbltE-PredictabilityEstimate_O__solution-obj-domainN-default}

| Nome | Tipo | Descrição |
|-|-|-|
| config | Objeto | Objeto JavaScript que contém propriedades de configuração do estimativa de previsibilidade. { "dataset": {Object}, "domainName": "String", "inputFieldNames": [Array], "label": "String", "minRowCount": "String", "predictedFieldName": "String", "trainingFrequency": "String" } |
| config.dataset | Objeto | Nome[de 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.inputFieldNames | Matriz | Lista de campos de entrada de candidatos como cadeias de caracteres a serem consideradas para estimativa. |
| 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.predictedFieldName | Cadeia de caracteres | Identifica um campo a ser treinado para previsibilidade. |
| config.FrequênciaDetreinamento | Cadeia de caracteres | Opcional. 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 {#PrdctbltE-PredictabilityEstimate_O__ul_pmw_523_plb}Padrão: run_once |
[Tabela 1. Parâmetros]

{#PrdctbltE-PredictabilityEstimate_O__table_gm2_yt5_flb}  
O exemplo a seguir mostra como criar um trabalho de estimativa e adicioná-lo ao armazenamento PredictabilityEstimate.

    var myIncidentData = new sn_ml.DatasetDefinition({
      'tableName' : 'incident',
      'encodedQuery' : 'activeANYTHING'
    });

    var myEstimate = new sn_ml.PredictabilityEstimate({
      'label': "predictability estimate",
      'dataset' : myIncidentData,
      'inputFieldNames':['short_description'], 
      'predictedFieldName': 'category'
    });

    var myEstimateName = sn_ml.PredictabilityEstimateStore.add(myEstimate);

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

Cancela um trabalho para um objeto de estimativa de previsibilidade que foi enviado para treinamento.
{#PrdctbltE-cancelTrainingJob__table_bpb_k3z_llb__entry__3}

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

{#PrdctbltE-cancelTrainingJob__table_bpb_k3z_llb} {#PrdctbltE-cancelTrainingJob__table_cpb_k3z_llb__entry__2}

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

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

    var myEstimate = sn_ml.PredictabilityEstimateStore.get('ml_sn_global_global_predictability_estimate');

    myEstimate.cancelTrainingJob();

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

Objeto Obtém o ativo PredictabilityEstimateVersion.
{#PrdctbltE-getActiveVersion__table_tvl_m3z_llb__entry__3}

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

{#PrdctbltE-getActiveVersion__table_tvl_m3z_llb} {#PrdctbltE-getActiveVersion__table_uvl_m3z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Objeto | Objeto [PredictabilityEstimateVersion](https://servicenow-prod.fluidtopics.net/xINiSQTu0F6vSf1WbgNiPQ#PredictabilityEstimateVersionAPI "A API PredictabilityEstimateVersion é um objeto programável usado em armazenamentos Inteligência preditiva.") ativo. |
[Tabela 5. Retorna]

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

    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate');

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

Saída:

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

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

Obtém todas as versões de uma estimativa de previsibilidade.
{#PrdctbltE-getAllVersions__table_tvl_m3z_llb__entry__3}

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

{#PrdctbltE-getAllVersions__table_tvl_m3z_llb} {#PrdctbltE-getAllVersions__table_uvl_m3z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Matriz | APIVersões existentes de um objeto de solução. Consulte também [PredictabilityEstimateVersion](https://servicenow-prod.fluidtopics.net/xINiSQTu0F6vSf1WbgNiPQ#PredictabilityEstimateVersionAPI "A API PredictabilityEstimateVersion é um objeto programável usado em armazenamentos Inteligência preditiva."). |
[Tabela 7. Retorna]

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

    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate');

    var mlEstimateVersions = mlEstimate.getAllVersions();

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

Saída:

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

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

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

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

Obtém a versão mais recente de uma estimativa de previsibilidade.
{#PrdctbltE-getLatestVersion__table_tvl_m3z_llb__entry__3}

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

{#PrdctbltE-getLatestVersion__table_tvl_m3z_llb} {#PrdctbltE-getLatestVersion__table_uvl_m3z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Objeto | [PredictabilityEstimateVersion](https://servicenow-prod.fluidtopics.net/xINiSQTu0F6vSf1WbgNiPQ#PredictabilityEstimateVersionAPI "A API PredictabilityEstimateVersion é um objeto programável usado em armazenamentos Inteligência preditiva.") objeto correspondente à versão mais recente de[e PredictabilityEstimate()](https://servicenow-prod.fluidtopics.net/hMQ90sxmfpQmIk_X3QxaCQ#PrdctbltE-PredictabilityEstimate_O "Cria uma estimativa de previsibilidade."). |
[Tabela 9. Retorna]

{#PrdctbltE-getLatestVersion__table_uvl_m3z_llb}  
O exemplo a seguir mostra como obter a versão mais recente de uma estimativa de previsibilidade e retornar seu status de treinamento.

    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate');

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

Saída:

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

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

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

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

{#PrdctbltE-getName__table_pps_43z_llb} {#PrdctbltE-getName__table_qps_43z_llb__entry__2}

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

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

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

    var myEstimate = new sn_ml.PredictabilityEstimate({
       'label': "my estimate",
       'dataset' : myIncidentData,
       'inputFieldNames':['short_description'],
       'predictedFieldName': 'category'
    });

    // update estimate
    sn_ml.PredictabilityEstimateStore.update('ml_x_snc_global_global_my_definition_4', myEstimate);

    // print estimate name
    gs.print('Estimate Name: '+myEstimate.getName());

Saída:

    Estimate Name: ml_x_snc_global_global_my_definition_4

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

Obtém as propriedades do objeto de estimativa de previsibilidade.
{#PrdctbltE-getProperties__table_pps_43z_llb__entry__3}

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

{#PrdctbltE-getProperties__table_pps_43z_llb} {#PrdctbltE-getProperties__table_qps_43z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Objeto | Conteúdos dos detalhes do objeto Dataset e [PredictabilityEstimate()](https://servicenow-prod.fluidtopics.net/hMQ90sxmfpQmIk_X3QxaCQ#PrdctbltE-PredictabilityEstimate_O "Cria uma estimativa de previsibilidade.") no [PredictabilityEstimateStore](https://servicenow-prod.fluidtopics.net/JNdhFdm_N5hWfaX_aiNSmw#PredictabilityEstimateStoreAPI "Habilita o armazenamento e a recuperação de estimativas de previsibilidade."). { "datasetProperties": {Object}, "domainName": "String", "inputFieldNames": [Array], "label": "String", "name": "String", "predictedFieldName": "String", "scope": "String", "trainingFrequency": "String" } |
| \<Object\>.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 estimativa. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } |
| \<Object\>.datasetProperties.tableName | Nome da tabela para o conjunto de dados. Por exemplo, `"tableName" : "Incidente"`. Tipo de dados: cadeia de caracteres. |
| \<Object\>.datasetProperties.fieldNomes | Lista de nomes de campo da tabela especificada como cadeias de caracteres. Por exemplo, `"fieldNames" : ["short_description", "priority"]`. Tipo de dados: matriz. |
| \<Object\>.datasetProperties.fieldNames.fieldDetails | Lista de objetos JavaScript que especificam propriedades de campo. [ { "name": "String", "type": "String" } ] Tipo de dados: matriz. |
| \<Object\>.datasetProperties.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\>.datasetProperties.fieldDetails.\<object\>.type | Tipo de campo de aprendizado de máquina. Tipo de dados: cadeia de caracteres. |
| \<Object\>.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. |
| \<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\>.inputFieldNames | Lista de campos de entrada de candidatos como cadeias de caracteres a serem consideradas para estimativa. 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\>.escopo | Escopo do objeto. Atualmente, o único valor válido é `global`. Tipo de dados: cadeia de caracteres |
| \<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 {#PrdctbltE-getProperties__ul_pmw_523_plb}Padrão: run_once Tipo de dados: cadeia de caracteres. |
[Tabela 13. Retorna]

{#PrdctbltE-getProperties__table_qps_43z_llb}  
O exemplo a seguir obtém propriedades de um objeto de estimativa de previsibilidade no armazenamento.

    var mySolution = sn_ml.PredictabilityEstimateStore.get('ml_sn_global_global_predictability_estimate');

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

Saída:

    *** Script: {
      "datasetProperties": {
        "tableName": "incident",
        "fieldNames": [
          "category",
          "short_description",
          "priority",
          "assignment_group.name"
        ],
        "fieldDetails": [
          {
            "name": "category",
            "type": "nominal"
          },
          {
            "name": "short_description",
            "type": "text"
          }
        ]
      },
      "domainName": "global",
      "inputFieldNames": [
        "short_description"
      ],
      "label": "my estimate definition",
      "name": "ml_x_snc_global_global_my_definition_26",
      "predictedFieldName": "category",
      "processingLanguage": "en",
      "scope": "global",
      "stopwords": [
        "Default English Stopwords"
      ],
      "trainingFrequency": "run_once"
    }

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

Obtém uma estimativa de previsibilidade pelo número de versão fornecido.
{#PrdctbltE-getVersion_S__table_pps_43z_llb__entry__3}

| Nome | Tipo | Descrição |
|-|-|-|
| versão | Cadeia de caracteres | Número da versão existente de uma estimativa de previsibilidade. |
[Tabela 14. Parâmetros]

{#PrdctbltE-getVersion_S__table_pps_43z_llb} {#PrdctbltE-getVersion_S__table_qps_43z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Objeto | Versão especificada do objeto [PredictabilityEstimate()](https://servicenow-prod.fluidtopics.net/hMQ90sxmfpQmIk_X3QxaCQ#PrdctbltE-PredictabilityEstimate_O "Cria uma estimativa de previsibilidade.") na qual você pode chamar métodos de API [PredictabilityEstimateVersion](https://servicenow-prod.fluidtopics.net/xINiSQTu0F6vSf1WbgNiPQ#PredictabilityEstimateVersionAPI "A API PredictabilityEstimateVersion é um objeto programável usado em armazenamentos Inteligência preditiva."). |
[Tabela 15. Retorna]

{#PrdctbltE-getVersion_S__table_qps_43z_llb}  
O exemplo a seguir mostra como obter o status de treinamento de uma estimativa de previsibilidade por número de versão.

    var mlEstimate = sn_ml.PredictabilityEstimateStore.get('ml_x_snc_global_global_predictability_estimate');

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

Saída:

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

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

Ativa uma versão especificada de uma estimativa de previsibilidade na loja.
{#PrdctbltE-setActiveVersion_S__table_pps_43z_llb__entry__3}

| Nome | Tipo | Descrição |
|-|-|-|
| versão | Cadeia de caracteres | Nome da versão do objeto [PredictabilityEstimate()](https://servicenow-prod.fluidtopics.net/hMQ90sxmfpQmIk_X3QxaCQ#PrdctbltE-PredictabilityEstimate_O "Cria uma estimativa de previsibilidade.") a ser ativada. Ativar esta versão desativa qualquer outra versão. |
[Tabela 16. Parâmetros]

{#PrdctbltE-setActiveVersion_S__table_pps_43z_llb} {#PrdctbltE-setActiveVersion_S__table_qps_43z_llb__entry__2}

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

{#PrdctbltE-setActiveVersion_S__table_qps_43z_llb}  
O exemplo a seguir mostra como ativar uma estimativa de previsibilidade versão de solução na loja.

    sn_ml.PredictabilityEstimate.setActiveVersion("ml_x_snc_global_global_my_estimate_definition");

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

Envia um trabalho de treinamento.
Nota:  
Antes de executar este método, você deve adicionar uma estimativa de previsibilidade ao armazenamento usando o método [PredictabilityEstimateStore - add()](https://servicenow-prod.fluidtopics.net/JNdhFdm_N5hWfaX_aiNSmw#PredictbltyEstStore-add_O "Adiciona uma nova estimativa de previsibilidade objeto de solução ao armazenamento e retorna um nome exclusivo.").
{#PrdctbltE-submitTrainingJob__table_xmd_33z_llb__entry__3}

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

{#PrdctbltE-submitTrainingJob__table_xmd_33z_llb} {#PrdctbltE-submitTrainingJob__table_ymd_33z_llb__entry__2}

| Tipo | Descrição |
|-|-|
| Objeto | [PrevisibilidadeEstimativaPrevisibilidadeEstimativa](https://servicenow-prod.fluidtopics.net/xINiSQTu0F6vSf1WbgNiPQ#PredictabilityEstimateVersionAPI "A API PredictabilityEstimateVersion é um objeto programável usado em armazenamentos Inteligência preditiva.") objeto correspondente ao que [da versão](https://servicenow-prod.fluidtopics.net/hMQ90sxmfpQmIk_X3QxaCQ#PrdctbltE-PredictabilityEstimate_O "Cria uma estimativa de previsibilidade.") está sendo treinado. |
[Tabela 19. Retorna]

{#PrdctbltE-submitTrainingJob__table_ymd_33z_llb}  
O exemplo a seguir mostra como criar um conjunto de dados, aplicá-lo a uma estimativa de previsibilidade, adicione-a 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 estimate 
    var myEstimate = new sn_ml.PredictabilityEstimate({

      'label': "my estimate definition",
      'dataset' : myData,
      'predictedFieldName' : 'assignment_group',
      'inputFieldNames':['short_description']

    });

    // Add the estimate to the store to later be able to retrieve it.
    var my_unique_name = sn_ml.PredictabilityEstimateStore.add(myEstimate);

    // Train the estimate - this is a long running job 
    var myEstimateVersion = myEstimate.submitTrainingJob();