PredictFromModel

Renvoie la valeur prévue à partir d’un modèle de régression entraîné pour le vecteur d’intégration de texte spécifié.

Format 

PredictFromModel ( nomModèle ; v1 )

Paramètres 

nomModèle : toute expression de texte qui spécifie le nom d'un modèle de régression entraîné, qui a été chargé en mémoire.

v1 : toute expression de texte, rubrique ou rubrique de conteneur qui contient les caractéristiques d'entrée pour la prédiction. Peut être fourni sous forme de tableau JSON (par exemple, [1.2, 3.4, 5.6]) ou sous forme de données de conteneur binaire avec vecteurs d'intégration.

Résultat 

Nombre

Provient de la version 

22.0

Description 

PredictFromModel génère des prédictions numériques à l'aide de modèles de régression qui ont été entraînés et chargés avec l'action de script Configurer un modèle de régression. La fonction prend des caractéristiques d'entrée (qui peuvent être des vecteurs d'intégration) et renvoie une prédiction numérique unique basée sur les modèles dérivés lors de l'entraînement du modèle.

Avant d'utiliser cette fonction, vous devez :

  1. entraîner un modèle de régression à l'aide de l'action de script Configurer un modèle de régression ;

  2. vous assurer que le modèle est chargé en mémoire. Les modèles restent chargés jusqu'à ce qu'ils soient explicitement déchargés ou que la session FileMaker se termine ;

  3. fournir des caractéristiques d'entrée qui correspondent à la même structure et dimensionnalité que les données d'entraînement utilisées pour créer le modèle.

Le paramètre v1 accepte les fonctionnalités d'entrée dans deux formats :

  • Texte contenant un tableau JSON de valeurs numériques, telles que [1.2, 3.4, 5.6, 7.8]. Ce format est lisible et convient à des cas d'utilisation simples. Le tableau JSON peut également consister en un vecteur d'intégration généré par un modèle d'IA.

  • Un vecteur d'intégration stocké en tant que données de conteneur binaire. Ce format offre généralement de meilleures performances pour les opérations à grande échelle et est le format privilégié en cas de vecteur d'intégration généré par un modèle d'IA.

Remarques 

  • Les caractéristiques d'entrée dans v1 doivent avoir le même nombre de dimensions et être dans le même ordre que les données d'entraînement utilisées pour créer le modèle.

  • Pour utiliser les modèles d'IA afin de générer des vecteurs d'intégration à utiliser pour v1, vous pouvez utiliser l'action de script Insérer l'intégration, l'action de script Insérer l'intégration dans le jeu trouvé, ou la fonction GetEmbedding.

  • L'utilisation de données de conteneurs binaires pour l'intégration de vecteurs offre généralement de meilleures performances que les tableaux JSON, en particulier pour les vecteurs de caractéristiques à haute dimension.

  • Les noms des modèles sont sensibles à la casse et doivent correspondre exactement au nom du modèle chargé à l'aide de l'action de script Configurer un modèle de régression.

  • Les modèles restent en mémoire jusqu'à ce qu'ils soient explicitement supprimés, de sorte que plusieurs prédictions peuvent être faites efficacement sans rechargement.

  • La fonction renvoie « ? » si :

    • le nom du modèle spécifié n'existe pas ou n'est pas actuellement chargé en mémoire ;

    • les caractéristiques d'entrée ont des dimensions ou un format incorrects par rapport aux données d'entraînement du modèle.

Exemple 1 

Une expression qui propose une prédiction simple en utilisant le modèle de prix immobiliers entraîné dans l'Exemple 1 de la section Configurer un modèle de régression. Les caractéristiques d'entrée renvoient à la superficie, aux chambres et à l'âge de la maison.

Copier 
PredictFromModel ( "ModèlePrixImmobiliers" ; "[150, 3, 20]" )

Renvoie une prédiction de prix basée sur les valeurs 150 m², 3 chambres et 20 ans. Une potentielle valeur renvoyée est 256,96153846153845279 (dans les mêmes unités de prix que les valeurs cibles utilisées dans les données d'entraînement).

Exemple 2

Prédit le classement par étoiles d'un client en fonction du texte de son avis à l'aide du modèle entraîné dans l'Exemple 2 de la section Configurer un modèle de régression. Le script demande à l'utilisateur de saisir un avis ($entréeAvis), configure un compte d'IA, puis utilise le compte pour obtenir des vecteurs d'intégration de texte pour $entréeAvis. Ensuite, il charge le modèle de régression stocké dans la rubrique globale Avis::ModèleAvis, puis affiche la note prédite à l'aide du modèle chargé ModèleAvis et du vecteur d'intégration pour l'avis de l'utilisateur ($intégrationAvis). Une fois terminé, le script décharge le modèle de la mémoire.

Copier 
Ouvrir boîte dial. person. [ "Saisir votre avis" ; $entréeAvis ]

Configurer le compte IA [ Nom de compte: "Serveur_modèle_IA" ; Fournisseur de modèles: Autre ; Point de terminaison : "https://monserveur.exemple.com:8080/" ; Vérifier les certificats SSL ; Clé API : Global::Clé_API ]

Insérer l'intégration [ Nom de compte:: "Serveur_modèle_IA" ; Modèle d'intégration : "all-MiniLM-L12-v2" ; Entrée : $entréeAvis ; Cible: $intégrationAvis ]

Configurer un modèle de régression [ Action: Charger le modèle ; Nom du modèle: "ModèleAvis" ; Charger le modèle depuis: Avis::ModèleAvis ]

Ouvrir boîte dial. person. [ "Prédiction de note" ; PredictFromModel ( "ModèleAvis" ; $intégrationAvis ) ]

Configurer un modèle de régression [ Action: Décharger le modèle ; Nom du modèle: "ModèleAvis" ]

Une potentielle prédiction de note pour un avis positif est 4,870097466666665414 pour les valeurs cibles utilisées dans l'entraînement, qui vont de 1 à 5.

Rubriques connexes