---
sourceDocument: Yokohama habilitar IA
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/pt-BR/yokohama/intelligent-experiences

 Release :

    - yokohama

ft:locale :

    - pt-BR

ft:publication_title :

    - Yokohama habilitar IA

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# Configure o algoritmo de componente Connect e o método de distância Levenshtein para uma solução de cluster

# Configure o algoritmo de componente Connect e o método de distância Levenshtein para uma solução de cluster {#ariaid-title1}

* Versão de lançamento: Yokohama
* 
* Atualizado 11 de fev. de 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 2 min. de leitura

Aplique Configurar componente Connect e codificação do método de distância Levenshtein para otimizar o treinamento para suas soluções de cluster.

## Antes de Iniciar

Função necessária: admin ou ml_admin  
Nota:  
A definição de 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 que seu caso de uso se beneficie do que a tecnologia oferece. Para obter mais informações, consulte [Mergulhe mais fundo com os parâmetros avançados de cluster](https://www.servicenow.com/community/intelligence-ml-articles/dive-deeper-with-clustering-advanced-parameters/ta-p/2695847)artigo em Comunidade ServiceNow.

* Crie e treine uma definição de solução de cluster ou use uma já 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 cluster, você tem as três opções a seguir.  
* Use o algoritmo padrão k-means.
* Use o parâmetro opcional de solução DBSCAN com o método de distância euclidiana como métrica.
* Use os parâmetros opcionais DBSCAN, Vizinhos mínimos e solução de distância de Levenshtein. O componente Connect é habilitado pelo DBSCAN e Minimum Neighors, e é compatível com texto baseado em vetor de parágrafo e texto baseado em distância de Levenshtein. Se você treinar sua solução usando o método de distância 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 TudoInteligência 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, selecione Novo .  
4. Crie um registro de parâmetro.
   1. Em Parâmetros da solução , selecione o 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. Selecione Enviar.  
   A tela de registro de Configuração de solução avançada é atualizada.

6. Selecione Enviar.  
   Resultado: A distância de Levenshtein está configurada para sua solução de cluster. O parâmetro de solução aparece na guia Configurações avançadas da solução do formulário de definição de cluster.  
7. Repita as etapas de 1-6 a 5 do exemplo de distância de Levenshtein anterior, exceto que, desta vez, você está criando o. Mínimo de vizinhos e. DBSCAN Parâmetros de solução, que juntos habilitam o recurso Conectar componente.  

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

   O componente Connect está configurado para sua solução de cluster. Seus dois parâmetros de solução aparecem na guia Configurações avançadas da solução do formulário de definição de cluster, junto com o parâmetro Distância de Levenshtein que você configurou nas etapas 1-6 a 4 deste procedimento.  
**Tarefas relacionadas**   

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