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.

Copia

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.