PredictFromModel
Restituisce il valore predetto da un modello di regressione addestrato per il vettore di embedding di testo specificato.
Formato
PredictFromModel ( nomeModello ; v1 )
Parametri
nomeModello
- qualsiasi espressione di testo che specifica il nome di un modello di regressione addestrato che è stato caricato in memoria.
v1
- qualsiasi espressione di testo, campo o campo Contenitore che contiene le funzioni di input per la previsione. Può essere fornito come array JSON (ad esempio, [1.2, 3.4, 5.6]
) o come dati contenitore binari contenenti vettori di embedding.
Tipo di dati riportato
Numero
Creata nella versione
22.0
Descrizione
PredictFromModel genera previsioni numeriche utilizzando modelli di regressione che sono stati addestrati e caricati con l'istruzione di script Configura modello di regressione. La funzione prende le funzioni di input (che possono essere vettori di embedding) e restituisce un'unica previsione numerica basata sui modelli derivati durante l'addestramento del modello.
Prima di utilizzare questa funzione, è necessario:
-
Addestrare un modello di regressione utilizzando l'istruzione di script Configura modello di regressione.
-
Assicurarsi che il modello sia caricato in memoria. I modelli rimangono caricati fino a quando non vengono esplicitamente scaricati o fino al termine della sessione FileMaker.
-
Fornire funzioni di input che corrispondano alla stessa struttura e dimensionalità dei dati di addestramento utilizzati per creare il modello.
Il parametro v1
accetta funzioni di input in due formati:
-
Testo contenente un array JSON di valori numerici, come
[1.2, 3.4, 5.6, 7.8]
. Questo formato è leggibile dall'uomo e adatto a casi d'uso semplici. L'array JSON può anche consistere in un vettore di embedding generato da un modello di AI. -
Un vettore di embedding memorizzato come dati Contenitore binari. Questo formato in genere fornisce prestazioni migliori per operazioni su larga scala ed è il formato preferito quando si lavora con un vettore di embedding generato da un modello di AI.
Note
-
Le feature di input in
v1
devono avere lo stesso numero di dimensioni ed essere nello stesso ordine dei dati di addestramento utilizzati per creare il modello. -
Per utilizzare i modelli di AI per generare vettori di embedding da utilizzare per v1, è possibile utilizzare l'istruzione di script Inserisci Embedding, l'istruzione di script Inserisci Embedding nel gruppo trovato o la funzione GetEmbedding.
-
L'utilizzo di dati Contenitore binari per i vettori di embedding generalmente fornisce prestazioni migliori rispetto agli array JSON, in particolare per i vettori di funzioni ad alta dimensionalità.
-
I nomi dei modelli fanno distinzione tra maiuscole e minuscole e devono corrispondere esattamente al nome del modello caricato utilizzando l'istruzione di script Configura modello di regressione.
-
I modelli rimangono in memoria fino a quando non vengono esplicitamente cancellati, quindi è possibile eseguire diverse previsioni in modo efficiente senza ricaricarli.
-
La funzione restituisce "?" se:
-
Il nome del modello specificato non esiste o non è attualmente caricato in memoria.
-
Le feature di input hanno dimensioni o formati errati rispetto ai dati di addestramento del modello.
-
Esempio 1
Un'espressione che fa una previsione semplice utilizzando il modello di prezzi delle case addestrato nell'Esempio 1 in Configura modello di regressione. Le feature di input sono per superficie, camere da letto ed età.
PredictFromModel ( "ModelloPrezziCase" ; "[148, 3, 20]" )
Restituisce il prezzo di una casa previsto basandosi su una superficie di 148 metri quadrati, 3 camere da letto e 20 anni di età. Un possibile valore restituito è 256.96153846153845279 (nelle stesse unità di prezzo dei valori di destinazione utilizzati nei dati di addestramento).
Esempio 2
Prevede la valutazione in stelle di un cliente in base al testo della sua recensione utilizzando il modello addestrato nell'Esempio 2 in Configura modello di regressione. Lo script chiede all'utente di inserire una recensione ($inputRecensione), configura un account AI, quindi utilizza l'account per ottenere vettori di embedding di testo per $inputRecensione. Successivamente, carica il modello di regressione memorizzato nel campo globale Recensioni::ModelloRecensioni, quindi visualizza la valutazione prevista utilizzando il modello caricato "ModelloRecensioni" e il vettore di embedding per la recensione dell'utente ($embeddingRecensioni). Al termine, lo script scarica il modello dalla memoria.
Mostra finestra personalizz. ["Inserire la recensione"; $inputRecensione ]
Configura account AI [ Nome account: "Server_modello_AI" ; Fornitore modello: Personalizzato ; Endpoint: "https://myserver.esempio.com:8080/" ; Verifica certificati SSL ; Chiave API: Globale::Chiave_API ]
Inserisci Embedding [ Nome account: "Server_modello_AI" ; Modello di Embedding: "all-MiniLM-L12-v2" ; Input: $inputRecensione ; Destinazione: $embeddingRecensioni ]
Configura modello di regressione [ Azione: Carica modello ; Nome modello: "ModelloRecensioni" ; Carica modello da: Recensioni::ModelloRecensioni ]
Mostra finestra personalizz. [ "Valutazione prevista"; PredictFromModel ( "ModelloRecensioni" ; $embeddingRecensioni ) ]
Configura modello di regressione [ Azione: Scarica modello ; Nome modello: "ModelloRecensioni" ]
Una possibile valutazione prevista per una recensione positiva è 4.8700974666666665414 per valori di destinazione utilizzati nell'addestramento che vanno da 1 a 5.