--- 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 --- # RegressionSolution - Global # RegressionSolution - 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 RegressionSolution 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`. O fluxo de configuração para treinamento da solução 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. Opcional. Crie um codificador usando a API [Encoder](https://servicenow-prod.fluidtopics.net/DHEI1a5CyrgJeY0rkmQ1yw#EncoderAPI "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."). 3. Use o [construtor](https://servicenow-prod.fluidtopics.net/fIHl7Kb~Ez8oih5Ywiil2Q#RegressionSol-RegressionSolution_O "Cria uma solução de regressão.") para criar um objeto de solução de regressão. 4. Adicione o objeto de solução ao armazenamento de soluções de regressão usando o método [RegressionSolutionStore - add()](https://servicenow-prod.fluidtopics.net/z0RQHQ_HdbMWRwcqpzKQsw#RegressionStore-add_O "Adiciona um novo objeto de solução ao armazenamento e retorna um nome exclusivo."). 5. Treine a solução usando o método [submitTrainingJob()](https://servicenow-prod.fluidtopics.net/fIHl7Kb~Ez8oih5Ywiil2Q#RegressionSol-submitTrainingJob "Envia um trabalho de treinamento."). Isso cria uma versão do objeto que você pode gerenciar usando a API [RegressionSolutionVersion](https://servicenow-prod.fluidtopics.net/bohs3ZUSVKBP_I9KNXnpxA#RegressionSolutionVersionAPI "A API RegressionSolutionVersion é um objeto programável usado em armazenamentos Inteligência preditiva."). 6. Obtenha previsões usando o método [RegressionSolutionVersion -- prever()](https://servicenow-prod.fluidtopics.net/bohs3ZUSVKBP_I9KNXnpxA#RegressionVersion-predict_O_O "Obtém os dados de entrada para uma previsão."). {#RegressionSolutionAPI__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). ## RegressionSolution - RegressionSolution(Configuração de objeto) {#ariaid-title2} Cria uma solução de regressão. {#RegressionSol-RegressionSolution_O__table_gm2_yt5_flb__entry__3}{#RegressionSol-RegressionSolution_O__solution-obj-domainN-default}{#RegressionSol-RegressionSolution_O__solution-obj-lang-desc}{#RegressionSol-RegressionSolution_O__solution-obj-stop-desc} | Nome | Tipo | Descrição | |-|-|-| | config | Objeto | Objeto JavaScript que contém propriedades de configuração do solução. { "algorithmConfig": {Object}, "dataset": {Object}, "domainName": "String", "encoder": {Object}, "inputFieldNames": [Array], "label": "String", "minRowCount": "String", "predictedFieldName": "String", "predictedInterval": [Array], "processingLanguage": "String", "stopwords": [Array], "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.codificador | Objeto | Opcional. Objeto de codificador treinado a ser atribuído a esta solução. Consulte [Codificador - Codificador (configuração de objeto)](https://servicenow-prod.fluidtopics.net/DHEI1a5CyrgJeY0rkmQ1yw#Encoder-Encoder_O "Cria um codificador."). | | config.inputFieldNames | Matriz | Lista de nomes de campos de entrada como cadeias de caracteres. O modelo usa esses campos usados para fazer previsões. | | 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 | Obrigatório, a menos que esteja definindo predictedInterval. Identifica um campo a ser treinado para previsibilidade. | | config.intervaloprevisto | Matriz | Obrigatório, a menos que esteja definindo predictedFieldName. Define um intervalo de campos para treinar sua solução para confiança. Oferece suporte ao fornecimento de 2 campos de data não numéricos. Por exemplo, `'predictedInterval': ['sys_updated_on', 'sys_created_on']`. | | 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 {#RegressionSol-RegressionSolution_O__ul_pmw_523_plb}Padrão: run_once | [Tabela 1. Parâmetros] {#RegressionSol-RegressionSolution_O__table_gm2_yt5_flb} O exemplo a seguir mostra como criar um objeto e adicioná-lo ao RegressionSolution store. var myNewData = new sn_ml.DatasetDefinition( { 'tableName' : 'incident', 'fieldNames' : ['category', 'short_description', 'priority'], 'fieldDetails' : [ { 'name' : 'category', 'type' : 'nominal' }, { 'name' : 'short_description', 'type' : 'text' }], 'encodedQuery' : 'activeANYTHING' }); var mySimSolution = new sn_ml.SimilaritySolution({ 'label': "my solution definition", 'dataset' : myNewData, 'predictedFieldName' : 'category', 'inputFieldNames': ['short_description'] }); var mySimilarityName = sn_ml.SimilaritySolutionStore.add(mySimSolution); O exemplo a seguir mostra como criar um objeto para treinar usando a propriedade predictedInterval. var myIncidentData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['short_description', 'sys_updated_on','sys_created_on'], 'encodedQuery' : 'activeANYTHING' }); var mySolution = new sn_ml.RegressionSolution({ 'label': 'reg assinGroup', 'dataset' : myIncidentData, 'predictedInterval': ['sys_updated_on', 'sys_created_on'], 'inputFieldNames': ['short_description'] }); var my_unique_name = sn_ml.RegressionSolutionStore.add(mySolution) ## RegressionSolution - cancelTrainingJob() {#ariaid-title3} Cancela um trabalho para um objeto de solução que foi enviado para treinamento. {#RegressionSol-cancelTrainingJob__table_bpb_k3z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 2. Parâmetros] {#RegressionSol-cancelTrainingJob__table_bpb_k3z_llb} {#RegressionSol-cancelTrainingJob__table_cpb_k3z_llb__entry__2} | Tipo | Descrição | |-|-| | Nenhum | | [Tabela 3. Retorna] {#RegressionSol-cancelTrainingJob__table_cpb_k3z_llb} O exemplo a seguir mostra como cancelar um trabalho de treinamento existente. var mySolution = sn_ml.RegressionSolutionStore.get('ml_sn_global_global_regression'); mySolution.cancelTrainingJob(); ## RegressionSolution - getActiveVersion() {#ariaid-title4} Objeto Obtém o ativo RegressionSolutionVersion. {#RegressionSol-getActiveVersion__table_tvl_m3z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 4. Parâmetros] {#RegressionSol-getActiveVersion__table_tvl_m3z_llb} {#RegressionSol-getActiveVersion__table_uvl_m3z_llb__entry__2} | Tipo | Descrição | |-|-| | Objeto | Objeto [RegressionSolutionVersion](https://servicenow-prod.fluidtopics.net/bohs3ZUSVKBP_I9KNXnpxA#RegressionSolutionVersionAPI "A API RegressionSolutionVersion é um objeto programável usado em armazenamentos Inteligência preditiva.") ativo. | [Tabela 5. Retorna] {#RegressionSol-getActiveVersion__table_uvl_m3z_llb} O exemplo a seguir mostra como obter uma SoluçãoDeRegressão versão ativa do armazenamento e retornar seu status de treinamento. var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression'); gs.print(JSON.stringify(JSON.parse(mlSolution.getActiveVersion().getStatus()), null, 2)); Saída: { "state": "solution_complete", "percentComplete": "100", "hasJobEnded": "true" } ## RegressionSolution - getAllVersions() {#ariaid-title5} Obtém todas as versões de um objeto RegressionSolution. {#RegressionSol-getAllVersions__table_tvl_m3z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 6. Parâmetros] {#RegressionSol-getAllVersions__table_tvl_m3z_llb} {#RegressionSol-getAllVersions__table_uvl_m3z_llb__entry__2} | Tipo | Descrição | |-|-| | Matriz | APIVersões existentes de um objeto de solução. Consulte também [RegressionSolutionVersion](https://servicenow-prod.fluidtopics.net/bohs3ZUSVKBP_I9KNXnpxA#RegressionSolutionVersionAPI "A API RegressionSolutionVersion é um objeto programável usado em armazenamentos Inteligência preditiva."). | [Tabela 7. Retorna] {#RegressionSol-getAllVersions__table_uvl_m3z_llb} O exemplo a seguir mostra como obter todos os objetos de versão RegressionSolution e chamar os métodos de versão de solução getVersionNumber() e getStatus() neles. var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression'); var mlSolutionVersions = mlSolution.getAllVersions(); for (i = 0; i < mlSolutionVersions.length; i++) { gs.print("Version " + mlSolutionVersions[i].getVersionNumber() + " Status: " + mlSolutionVersions[i].getStatus() +"\n"); }; Saída: Version 3 Status: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"} Version 2 Status: {"state":"solution_complete","percentComplete":"100","hasJobEnded":"true"} Version 1 Status: {"state":"solution_cancelled","percentComplete":"0","hasJobEnded":"true"} ## RegressionSolution - getLatestVersion() {#ariaid-title6} Obtém a versão mais recente de uma solução. {#RegressionSol-getLatestVersion__table_tvl_m3z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 8. Parâmetros] {#RegressionSol-getLatestVersion__table_tvl_m3z_llb} {#RegressionSol-getLatestVersion__table_uvl_m3z_llb__entry__2} | Tipo | Descrição | |-|-| | Objeto | [RegressionSolutionVersion](https://servicenow-prod.fluidtopics.net/bohs3ZUSVKBP_I9KNXnpxA#RegressionSolutionVersionAPI "A API RegressionSolutionVersion é um objeto programável usado em armazenamentos Inteligência preditiva.") objeto correspondente à versão mais recente de[e RegressionSolution()](https://servicenow-prod.fluidtopics.net/fIHl7Kb~Ez8oih5Ywiil2Q#RegressionSol-RegressionSolution_O "Cria uma solução de regressão."). | [Tabela 9. Retorna] {#RegressionSol-getLatestVersion__table_uvl_m3z_llb} O exemplo a seguir mostra como obter a versão mais recente de uma solução e retornar seu status de treinamento.{#RegressionSol-getLatestVersion__mlsol-getLatestVersion-example} var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression'); gs.print(JSON.stringify(JSON.parse(mlSolution.getLatestVersion().getStatus()), null, 2)); Saída: { "state": "solution_complete", "percentComplete": "100", "hasJobEnded": "true" } ## RegressionSolution - getName() {#ariaid-title7} Obtém o nome do objeto a ser usado para interação com o armazenamento. {#RegressionSol-getName__table_pps_43z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 10. Parâmetros] {#RegressionSol-getName__table_pps_43z_llb} {#RegressionSol-getName__table_qps_43z_llb__entry__2} | Tipo | Descrição | |-|-| | Cadeia de caracteres | Nome do objeto de solução. | [Tabela 11. Retorna] {#RegressionSol-getName__table_qps_43z_llb} O exemplo a seguir mostra como atualizar SoluçãoDeRegressão as informações do conjunto de dados e imprimir o nome do objeto. // Update solution var myIncidentData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['category', 'short_description', 'priority'], 'encodedQuery' : 'activeANYTHING' }); var eligibleFields = JSON.parse(myIncidentData.getEligibleFields('regression')); var myRegression = new sn_ml.RegressionSolution({ 'label': "my regression solution", 'dataset' : myIncidentData, 'inputFieldNames': eligibleFields['eligibleInputFieldNames'], 'predictedFieldName': 'category' }); // update solution sn_ml.RegressionSolutionStore.update('ml_x_snc_global_global_my_solution_definition_4', myRegression); // print solution name gs.print('Solution Name: '+myRegression.getName()); Saída: Solution Name: ml_x_snc_global_global_my_solution_definition_4 ## RegressionSolution - getProperties() {#ariaid-title8} Obtém propriedades do objeto de solução. {#RegressionSol-getProperties__table_pps_43z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 12. Parâmetros] {#RegressionSol-getProperties__table_pps_43z_llb} {#RegressionSol-getProperties__table_qps_43z_llb__entry__2} | Tipo | Descrição | |-|-| | Objeto | Conteúdos dos detalhes do objeto Dataset e [RegressionSolution()](https://servicenow-prod.fluidtopics.net/fIHl7Kb~Ez8oih5Ywiil2Q#RegressionSol-RegressionSolution_O "Cria uma solução de regressão.") no [RegressionSolutionStore](https://servicenow-prod.fluidtopics.net/z0RQHQ_HdbMWRwcqpzKQsw#RegressionSolutionStoreAPI "Habilita o armazenamento e a recuperação de soluções."). { "datasetProperties": {Object}, "domainName": "String", "encoder": {Object}, "inputFieldNames": [Array], "label": "String", "name": "String", "predictedFieldName": "String", "predictedInterval": [Array], "processingLanguage": "String", "scope": "String", "stopwords": [Array], "trainingFrequency": "String" } | | \.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. { "encodedQuery": "String", "fieldDetails": [Array], "fieldNames": [Array], "tableName": "String" } Tipo de dados: objeto. | | \.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. [ { "name": "String", "type": "String" } ] Tipo de dados: matriz. | | \.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. | | \.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. | | \.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. | | \.predictedInterval | Intervalo de valores que especifica o nível de confiança da previsão. Tipo de dados: matriz | | \.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 {#RegressionSol-getProperties__ul_pmw_523_plb}Padrão: run_once Tipo de dados: cadeia de caracteres. | [Tabela 13. Retorna] {#RegressionSol-getProperties__table_qps_43z_llb} O exemplo a seguir obtém propriedades de um objeto de solução no armazenamento.{#RegressionSol-getProperties__mlsol-getProps-example-other2} var mySolution = sn_ml.RegressionSolutionStore.get('ml_sn_global_global_regression_solution'); gs.print(JSON.stringify(JSON.parse(mySolution.getProperties()), null, 2)); Saída: *** Script: { "datasetProperties": { "tableName": "cloudinfratext", "fieldNames": [ "short_description", "sourcedc", "targetdc", "dbsize", "duration" ] }, "domainName": "global", "encoderProperties": { "datasetsProperties": [], "name": "wc_regression" }, "inputFieldNames": [ "short_description", "sourcedc", "targetdc", "dbsize" ], "label": "Regression Test for DB Restore", "name": "ml_x_snc_global_global_regression", "predictedFieldName": "duration", "processingLanguage": "en", "scope": "global", "stopwords": [ "Default English Stopwords" ], "trainingFrequency": "every_30_days" } ## RegressionSolution - getVersion(String version) {#ariaid-title9} Obtém uma solução pelo número de versão fornecido. {#RegressionSol-getVersion_S__table_pps_43z_llb__entry__3}{#RegressionSol-getVersion_S__mlsol-gerversion-returns-other} | Nome | Tipo | Descrição | |-|-|-| | versão | Cadeia de caracteres | Número da versão existente de uma solução. | [Tabela 14. Parâmetros] {#RegressionSol-getVersion_S__table_pps_43z_llb} {#RegressionSol-getVersion_S__table_qps_43z_llb__entry__2} | Tipo | Descrição | |-|-| | Objeto | Versão especificada do objeto [RegressionSolution()](https://servicenow-prod.fluidtopics.net/fIHl7Kb~Ez8oih5Ywiil2Q#RegressionSol-RegressionSolution_O "Cria uma solução de regressão.") na qual você pode chamar métodos de API [RegressionSolutionVersion](https://servicenow-prod.fluidtopics.net/bohs3ZUSVKBP_I9KNXnpxA#RegressionSolutionVersionAPI "A API RegressionSolutionVersion é um objeto programável usado em armazenamentos Inteligência preditiva."). | [Tabela 15. Retorna] {#RegressionSol-getVersion_S__table_qps_43z_llb} O exemplo a seguir mostra como obter o status de treinamento de uma solução por número de versão.{#RegressionSol-getVersion_S__mlsol-gerversion-example-other} var mlSolution = sn_ml.RegressionSolutionStore.get('ml_x_snc_global_global_regression'); gs.print(JSON.stringify(JSON.parse(mlSolution.getVersion('1').getStatus()), null, 2)); Saída: { "state": "solution_complete", "percentComplete": "100", "hasJobEnded": "true" } ## RegressionSolution - setActiveVersion(String version) {#ariaid-title10} Ativa uma versão especificada de uma solução na loja. {#RegressionSol-setActiveVersion_S__table_pps_43z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | versão | Cadeia de caracteres | Nome da versão do objeto [RegressionSolution()](https://servicenow-prod.fluidtopics.net/fIHl7Kb~Ez8oih5Ywiil2Q#RegressionSol-RegressionSolution_O "Cria uma solução de regressão.") a ser ativada. Ativar esta versão desativa qualquer outra versão. | [Tabela 16. Parâmetros] {#RegressionSol-setActiveVersion_S__table_pps_43z_llb} {#RegressionSol-setActiveVersion_S__table_qps_43z_llb__entry__2} | Tipo | Descrição | |-|-| | Nenhum | | [Tabela 17. Retorna] {#RegressionSol-setActiveVersion_S__table_qps_43z_llb} O exemplo a seguir mostra como ativar uma versão de solução na loja.{#RegressionSol-setActiveVersion_S__mlsol-setActive-example2} sn_ml.RegressionSolution.setActiveVersion("ml_incident_categorization"); ## RegressionSolution - submitTrainingJob() {#ariaid-title11} Envia um trabalho de treinamento. Nota: Antes de executar este método, você deve adicionar uma solução ao armazenamento usando o método [RegressionSolutionStore - add()](https://servicenow-prod.fluidtopics.net/z0RQHQ_HdbMWRwcqpzKQsw#RegressionStore-add_O "Adiciona um novo objeto de solução ao armazenamento e retorna um nome exclusivo."). {#RegressionSol-submitTrainingJob__table_xmd_33z_llb__entry__3} | Nome | Tipo | Descrição | |-|-|-| | Nenhum | | | [Tabela 18. Parâmetros] {#RegressionSol-submitTrainingJob__table_xmd_33z_llb} {#RegressionSol-submitTrainingJob__table_ymd_33z_llb__entry__2} | Tipo | Descrição | |-|-| | Objeto | [RegressionSolutionVersion](https://servicenow-prod.fluidtopics.net/bohs3ZUSVKBP_I9KNXnpxA#RegressionSolutionVersionAPI "A API RegressionSolutionVersion é um objeto programável usado em armazenamentos Inteligência preditiva.") objeto correspondente ao que [RegressionSolution](https://servicenow-prod.fluidtopics.net/fIHl7Kb~Ez8oih5Ywiil2Q#RegressionSol-RegressionSolution_O "Cria uma solução de regressão.") está sendo treinado. | [Tabela 19. Retorna] {#RegressionSol-submitTrainingJob__table_ymd_33z_llb} O exemplo a seguir mostra como criar um conjunto de dados, aplicá-lo a uma solução, adicionar a solução a um armazenamento e enviar o trabalho de treinamento.{#RegressionSol-submitTrainingJob__mlsol-submit-example-nonSol2} // Create a dataset var myData = new sn_ml.DatasetDefinition({ 'tableName' : 'incident', 'fieldNames' : ['assignment_group', 'short_description', 'description'], 'encodedQuery' : 'activeANYTHING' }); // Create a solution var mySolution = new sn_ml.RegressionSolution({ 'label': "my solution definition", 'dataset' : myData, 'predictedFieldName' : 'assignment_group', 'inputFieldNames':['short_description'] }); // Add the solution to the store to later be able to retrieve it. var my_unique_name = sn_ml.RegressionSolutionStore.add(mySolution); // Train the solution - this is a long running job var myRegressionVersion = mySolution.submitTrainingJob();