PredictFromModel

Returnerar det förutsagda värdet från en tränad regressionsmodell för angiven textinbäddningsvektor.

Format

PredictFromModel ( modellnamn ; v1 )

Parametrar

modellnamn – ett textuttryck som anger namnet på en tränad regressionsmodell som finns inläst i minnet.

v1 – ett textuttryck, fält eller containerfält som innehåller indataegenskaper för förutsägelse. Kan tillhandahållas som en JSON-matris (till exempel [1,2, 3,4, 5,6]) eller som binära containerdata som innehåller inbäddningsvektorer.

Returnerad datatyp

nummer

Ursprungsversion

22.0

Beskrivning

PredictFromModel genererar numeriska förutsägelser med hjälp av regressionsmodeller som har tränats och lästs in med Scriptsteget Konfigurera regressionsmodell. Funktionen tar indataegenskaper (som kan vara inbäddningsvektorer) och returnerar en enda numerisk förutsägelse baserat på de mönster som härleds under modellträningen.

Innan du använder den här funktionen måste du göra följande:

Träna en regressionsmodell med hjälp av Scriptsteget Konfigurera regressionsmodell.
Kontrollera att modellen har lästs in i minnet. Modellerna förblir inlästa tills de uttryckligen har rensats eller FileMaker-sessionen avslutas.
Tillhandahålla indataegenskaper som matchar samma struktur och dimensionalitet som de träningsdata som användes för att skapa modellen.

Parametern v1 accepterar indataegenskaper i två format:

Text som innehåller en JSON-matris med numeriska värden, till exempel [1,2, 3,4, 5,6, 7,8]. Detta format är läsbart och lämpligt för enkla användningsfall. JSON-matrisen kan också bestå av en inbäddningsvektor som genereras av en AI-modell.
En inbäddningsvektor som lagras som binära containerdata. Detta format ger vanligtvis bättre prestanda för storskaliga åtgärder och är det föredragna formatet när man arbetar med en inbäddningsvektor som genereras av en AI-modell.

Kommentarer

Indataegenskaper i v1 måste ha samma antal dimensioner och vara i samma ordning som de träningsdata som användes för att skapa modellen.
Om du vill använda AI-modeller för att generera inbäddningsvektorer som ska användas för v1 kan du använda Scriptsteget Infoga inbäddning, Scriptsteget Infoga inbäddning i hittade poster eller Funktionen GetEmbedding.
Att använda binära containerdata för inbäddningsvektorer ger generellt bättre prestanda än JSON-matriser, särskilt för högdimensionella egenskapsvektorer.
Modellnamn är skiftlägeskänsliga och måste exakt matcha namnet på den modell som lästs in med Scriptsteget Konfigurera regressionsmodell.
Modeller finns kvar i minnet tills de uttryckligen tas bort, så flera förutsägelser kan göras effektivt utan att läsa in modellen på nytt.
Funktionen returnerar ”?” i följande fall:
- Det angivna modellnamnet finns inte eller finns inte inläst i minnet.
- Indataegenskaperna har felaktiga dimensioner eller format jämfört med modellens träningsdata.

Exempel 1

Ett uttryck som gör en enkel förutsägelse med hjälp av husprismodellen som tränats i Exempel 1 i Konfigurera regressionsmodell. Indataegenskaperna är kvadratmeter, sovrum och ålder.

Kopiera

PredictFromModel ( "Husprismodell" ; "[1600, 3, 20]" )

Returnerar ett förutsagt huspris baserat på 1600 kvadratfot, 3 sovrum och 20 års ålder. Ett möjligt returnerat värde är 256,96153846153845279 (i samma prisenheter som de målvärden som används i träningsdata).

Exempel 2

Förutspår en kunds stjärnbetyg baserat på texten i kundens recension med hjälp av modellen som tränats i Exempel 2 i Konfigurera regressionsmodell. Scriptet ber användaren att ange en recension ($recensionIndata), konfigurerar ett AI-konto och använder sedan kontot för att få textinbäddningsvektorer för $recensionIndata. Därefter läser det in regressionsmodellen som lagras i det globala fältet recensioner::Recensionsmodell, visar det förutspådda betyget med hjälp av den inlästa modellen ”Recensionsmodell” och inbäddningsvektorn för användarens recension ($recensionInbäddning). När det är klart rensar scriptet modellen från minnet.