---
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 XGBoost para soluções de classificação ou regressão

# Configure o XGBoost para soluções de classificação ou regressão {#ariaid-title1}

* Versão de lançamento: Yokohama
* 
* Atualizado 30 de jan. de 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 1 min. de leitura

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

## Antes de Iniciar

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 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 já existente.
* Função necessária: admin ou ml_admin
{#configure-xgboost-classification-regression-solutions__ul_bbp_gcr_3lb}

## Por Que e Quando Desempenhar Esta Tarefa

O XGBoost é uma estrutura de reforço 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 de modelo padrão baseado em distância.

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

## Procedimento

1. Navegar até TudoInteligência 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. Em Parâmetros da solução , clique no ícone de pesquisa.
   2. Na tela Parâmetros da solução de ML, selecione Use o 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 de Configuração de solução avançada é atualizada.  
6. Clique em Enviar.  
   Resultado: O XGBoost está configurado para sua solução de classificação. O parâmetro de solução aparece na guia Configurações avançadas da solução do formulário de definição de classificação.  
   Nota:  
   Siga as etapas abaixo se você quiser configurar o XGBoost 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 de 1-5 a 5 do exemplo de solução de classificação anterior, exceto que, desta vez, você esteja usando uma solução de regressão.
10. Clique em Enviar.  
    Resultado:

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

* [Crie e treine uma solução de classificação](https://servicenow-prod.fluidtopics.net/C9iSYOZzkV8NRk8~yL2HTA "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.")
* [Crie e treine uma solução de regressão](https://servicenow-prod.fluidtopics.net/mEOGg9ehx~nObrMZyk8TlQ "Treine sua solução usando dados históricos para prever saídas numéricas, como uma temperatura ou um preço de ação. Por exemplo, você pode usar regressão para estimar o tempo necessário para resolver um incidente ou um caso.")