---
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 XGBaust para soluções de classificação ou regressão

# Configurar o XGBaust para soluções de classificação ou regressão {#ariaid-title1}

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

Aplique a codificação XGBaust para otimizar o treinamento para suas soluções de classificação ou regressão.

## Antes de Iniciar

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.  
* Crie uma definição de solução de classificação ou use uma existente.
* Crie uma definição de solução de regressão ou use uma existente.
* Função necessária: admin ou ml_admin
{#configure-xgboost-classification-regression-solutions__ul_bbp_gcr_3lb}

## Por Que e Quando Desempenhar Esta Tarefa

O XGBaost é uma estrutura de aumento de gradiente opcional que usa várias árvores de decisão e oferece suporte a texto baseado em vetor de parágrafo e texto baseado em distância TF-IDF. LogR é o algoritmo do modelo baseado em distância padrão.

Neste cenário de exemplo, você aplica o XGBaost a uma solução de classificação e a uma solução de regressão.

## Procedimento

1. Navegar até TodosInteligência preditivaClassificaçãoDefinições de solução.
2. Abra um formulário de definição de solução de classificação.
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 ML, selecione Usar algoritmo XGBOOST para treinamento do modelo de classificação.

   {#configure-xgboost-classification-regression-solutions__substeps_ow5_5tj_zjb}  
5. Clique em Enviar.  
   A tela de registro da configuração de solução avançada é atualizada.  
6. Clique em Enviar.  
   Resultado: o XGBaost está configurado para sua solução de classificação. Seu parâmetro de solução aparece na guia Configurações avançadas de solução do formulário de definição de classificação.  
   Nota:  
   Siga as etapas abaixo se quiser configurar o XGBaust em uma solução de regressão.
7. Navegar até Inteligência preditivaRegressãoDefinições de solução.
8. Neste segundo cenário, você abre um formulário de definição de solução de regressão.
9. Repita as etapas 1 a 5 do exemplo de solução de classificação anterior, só que desta vez você está usando uma solução de regressão.
10. Clique em Enviar.  
    Resultado:

    O XGBaust está configurado para sua solução de regressão. Seu parâmetro de solução aparece na guia Configurações avançadas de solução do formulário de definição de solução de regressão.
**Tarefas relacionadas**   

* [Criar e treinar uma solução de classificação](https://servicenow-prod.fluidtopics.net/~yxNoT9DI7q6IsJoTkvefQ "Especifique os registros usados para treinar uma solução de classificação, quais campos acionam uma previsão e com que frequência você deseja treinar novamente sua solução.")
* [Criar e treinar uma solução de regressão](https://servicenow-prod.fluidtopics.net/cWATunx33XwR3xiucqN3YQ "Treine sua solução usando dados históricos para prever saídas numéricas, como uma temperatura ou um preço de ação. Por exemplo, você pode usar a regressão para estimar o tempo necessário para resolver um incidente ou um caso.")