---
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


---

# Usando Agrupar por para classificação

# Usando Agrupar por para classificação {#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

Use APIs para enviar simultaneamente várias soluções de classificação para treinamento com base no campo Agrupar por.

Você pode usar a capacidade Agrupar por opcional para treinar e manter uma solução de classificação que cobre mais de uma área de dados, como localização geográfica ou domínio.

Para treinar uma solução usando Agrupar por, você deve adicionar o parâmetro groupby ao criar uma definição de solução de classificação usando APIs. O parâmetro groupby aceita somente colunas categoriais como entradas, em que modelos individuais são criados no subconjunto de dados pertencentes a cada um dos valores groupby. Somente as soluções secundárias que passam nos critérios mínimos de registros definidos para a capacidade são criadas. Aqui, as chamadas de previsão são roteadas para o modelo Agrupar por correspondente com base no valor de Agrupar por presente na entrada de previsão. Não há suporte para previsões em lote.

## Um cenário Agrupar por para localizações geográficas {#using-group-by-for-classification__section_pnt_tgh_vlb}

Digamos que sua empresa global use o roteamento de classificação para registros de entrada, com um centro de suporte nos EUA e um na Europa. Aqui, você deseja criar uma única solução de classificação que tenha um modelo para seus incidentes nos Estados Unidos e outro para seus incidentes na Europa.  
Neste cenário, você pode usar uma destas duas abordagens:

* Crie e treine duas definições de solução de classificação de ML separadas, em que uma é filtrada somente por incidentes dos EUA e uma somente por incidentes da Europa.
* Use o parâmetro groupby para criar Groupby para o local do país para que todas as definições dos EUA criem um modelo dos EUA e todas as definições da Europa criem um modelo da Europa. Em seguida, com base no incidente, o sistema identifica qual modelo usa para prever a categoria de classificação correta.
{#using-group-by-for-classification__ul_mwc_p3h_vlb}

A segunda abordagem tem benefícios, pois os modelos usados podem estar em domínios diferentes, como saúde ou finanças. Essa abordagem é especialmente benéfica se você tiver vários locais ou domínios de país para manter.

## Exemplo de uso para treinamento e previsão usando o Agrupar por via API {#using-group-by-for-classification__section_j4v_j23_bmb}

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

    var mySolution = new sn_ml.ClassificationSolution({
        'label': 'solution label',
        'dataset' : myIncidentData,
        'groupByFieldName' : 'assignment_group',
        'predictedFieldName': 'category',
        'inputFieldNames': ['short_description','description','priority']
    });
    //Add solution definition
    var solution_gr = sn_ml.ClassificationSolutionStore.add(mySolution)
    //Get existing solution
    var my_unique_name = sn_ml.ClassificationSolutionStore.get('solution name');
    // submit training job
    var solutionVersion = my_unique_name.submitTrainingJob();


    // Run prediction
    var input = new GlideRecord("incident");
    input.get("sys_id");
    // configure optional parameters
    var options = {};
    options.apply_threshold = false;
    var mlSolution = sn_ml.ClassificationSolutionStore.get('solution name');
    //Prediction using glide record
    var results = mlSolution.getActiveVersion().predict(input, options);
    //Prediction using map
    var results = mlSolution.getActiveVersion().predict([{ 'short_description': input.short_description,
                                                             'assignment_group': input.assignment_group }], options);

Para obter mais contexto sobre este exemplo e o uso geral das APIs de aprendizado de máquina, consulte a documentação citada na seção Tópicos relacionados abaixo.
**Tópicos relacionados**   

* [DatasetDefinition - Global](https://www.servicenow.com/docs/access?context=DatasetDefinitionAPI&version=xanadu&pubname=xanadu-api-reference&ft:locale=en-US)
* [ClassificationSolution - Global](https://www.servicenow.com/docs/access?context=ClassificationSolutionAPI&version=xanadu&pubname=xanadu-api-reference&ft:locale=en-US)
* [ClassificationSolutionStore - Global](https://www.servicenow.com/docs/access?context=ClassificationSolutionStoreAPI&version=xanadu&pubname=xanadu-api-reference&ft:locale=en-US)
* [ClassificationSolutionVersion - Global](https://www.servicenow.com/docs/access?context=ClassificationSolutionVersionAPI&version=xanadu&pubname=xanadu-api-reference&ft:locale=en-US)