---
sourceDocument: Habilitar IA do Xanadu
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/pt-BR/xanadu/intelligent-experiences

 Release :

    - xanadu

ft:locale :

    - pt-BR

ft:publication_title :

    - Habilitar IA do Xanadu

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# Configurar o algoritmo do componente de conexão e o método de distância de Levenshtein para uma solução de cluster

# Configurar o algoritmo do componente de conexão e o método de distância de Levenshtein para uma solução de cluster {#ariaid-title1}

* Versão de lançamento: Xanadu
* 
* Atualizado 1 de ago. de 2024
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 2 min. de leitura

Aplique a codificação do método Configurar componente de conexão e Distância de Levenshtein para otimizar o treinamento para suas soluções de cluster.

## Antes de Iniciar

Função necessária: admin ou ml_admin  
Nota:  
Definir configurações avançadas em suas soluções de ML é opcional. Se você optar por definir qualquer uma dessas configurações, certifique-se de estar bem informado sobre a tecnologia que está habilitando na solução e de ter um caso de uso que se beneficie do que a tecnologia oferece. Para obter mais informações, consulte <https://www.servicenow.com/community/intelligence-ml-articles/dive-deeper-with-clustering-advanced-parameters/ta-p/2695847>.

* Crie e treine uma definição de solução de clustering ou use uma existente.
* Função necessária: admin ou ml_admin
{#configure-connect-component-levenshtein-distance-for-clustering__ul_wxv_kxs_1kb}

## Por Que e Quando Desempenhar Esta Tarefa

Ao treinar soluções de clustering, você tem as três opções a seguir.  
* Use o algoritmo k-means padrão.
* Use o parâmetro de solução DBSCAN opcional com o método de distância euclidiana como uma métrica.
* Use os parâmetros opcionais de solução DBSCAN, Mínimo de Vizinhos e Distância de Levenshtein. O Componente de conexão é habilitado por DBSCAN e Vizinhos mínimos e oferece suporte a texto baseado em vetor de parágrafo e texto baseado em distância de Levenshtein. Se você treinar sua solução usando o método Distância de Levenshtein, não precisará usar um corpus de palavras em sua solução de cluster.
{#configure-connect-component-levenshtein-distance-for-clustering__ul_pwr_qq1_plb}

Neste cenário de exemplo, você treina sua definição de solução usando a terceira opção mencionada acima.

## Procedimento

1. Navegar até TodosInteligência preditivaClusteringDefinições de solução.
2. Abra um formulário de definição de solução de cluster treinado.
3. Na guia Configurações avançadas da solução na seção Links relacionados do formulário, clique em Novo.  
4. Crie um registro de parâmetro.
   1. No campo Parâmetros da solução, clique no ícone de pesquisa.
   2. Na tela Parâmetros da solução de ML, selecione Distância de Levenshtein.

   {#configure-connect-component-levenshtein-distance-for-clustering__substeps_ow5_5tj_zjb}  
5. Clique em Enviar.  
   A tela de registro da configuração de solução avançada é atualizada.

6. Clique em Enviar.  
   Resultado: a distância de Levenshtein está configurada para sua solução de cluster. Seu parâmetro de solução aparece na guia Configurações avançadas de solução do formulário de definição de cluster.  
7. Repita as etapas 1 a 6 do exemplo anterior de Distância de Levenshtein, exceto que desta vez você está criando os parâmetros de solução Vizinhos mínimos e DBSCAN, que juntos habilitam o recurso Conectar componente.  

   Ao selecionar, configurar e enviar o parâmetro de solução Mínimo de vizinhos, certifique-se de definir o campo Entradas do usuário com um valor de <kbd class="ph userinput">1</kbd>. Somente alguns parâmetros têm um campo Entradas do usuário.  
   Resultado:

   O Componente do Connect está configurado para sua solução de clustering. Seus dois parâmetros de solução aparecem na guia Configurações avançadas de solução do formulário de definição de cluster, ao lado do parâmetro Distância de Levenshtein que você configurou nas etapas 1 a 6 deste procedimento.  
**Tarefas relacionadas**   

* [Criação e treinamento de uma solução de clustering](https://servicenow-prod.fluidtopics.net/lbLx4fJQvLvVx08keoBE6Q "Agrupe registros semelhantes em clusters para que você possa abordá-los coletivamente ou identificar padrões.")