PredictFromModel
Retorna o valor previsto de um modelo de regressão treinado para o vetor de incorporação de texto especificado.
Formato
PredictFromModel ( modelName ; v1 )
Parâmetros
modelName
- qualquer expressão de texto que especifique o nome de um modelo de regressão treinado que foi carregado na memória.
v1
- qualquer expressão de texto, campo ou campo de container que contenha os recursos de entrada para previsão. Pode ser fornecido como uma matriz JSON (por exemplo, [1,2, 3,4, 5,6]
) ou como dados de container binários contendo vetores de incorporação.
Tipo de dados retornado
número
Originada na versão
22.0
Descrição
PredictFromModel gera previsões numéricas usando modelos de regressão que foram treinados e carregados com a etapa de script Etapa de script Configurar modelo de regressão. A função recebe recursos de entrada (que podem ser vetores de incorporação) e retorna uma única previsão numérica com base nos padrões derivados durante o treinamento do modelo.
Antes de usar essa função, você deve:
-
Treinar um modelo de regressão usando a etapa de script Etapa de script Configurar modelo de regressão.
-
Certificar-se de que o modelo esteja carregado na memória. Os modelos permanecem carregados até que sejam explicitamente descarregados ou a sessão do FileMaker termine.
-
Fornecer recursos de entrada que correspondam à mesma estrutura e dimensionalidade dos dados de treinamento usados para criar o modelo.
O parâmetro v1
aceita recursos de entrada em dois formatos:
-
Texto contendo uma matriz JSON de valores numéricos, como
[1,2, 3,4, 5,6, 7,8]
. Este formato é legível por humanos e adequado para casos de uso simples. A matriz JSON também pode consistir em um vetor de incorporação gerado por um modelo de IA. -
Um vetor de incorporação armazenado como dados de container binários. Esse formato normalmente fornece melhor desempenho para operações em grande escala e é o formato preferido ao trabalhar com um vetor de incorporação gerado por um modelo de IA.
Notas
-
Os recursos de entrada em
v1
devem ter o mesmo número de dimensões e estar na mesma ordem que os dados de treinamento usados para criar o modelo. -
Para usar modelos de IA para gerar vetores de incorporação para usar em v1, você pode usar a etapa de script Etapa de script Inserir incorporação, Etapa de script Inserir incorporação no Conjunto encontrado ou a função Função GetEmbedding.
-
O uso de dados de container binários para incorporar vetores geralmente fornece melhor desempenho do que matrizes JSON, especialmente para vetores de recursos de alta dimensão.
-
Os nomes dos modelos diferenciam maiúsculas de minúsculas e devem corresponder exatamente ao nome do modelo carregado usando a etapa de script Etapa de script Configurar modelo de regressão.
-
Os modelos permanecem na memória até serem explicitamente excluídos, para que várias previsões possam ser feitas de forma eficiente sem recarregar.
-
A função retorna "?" se:
-
O nome do modelo especificado não existe ou não está carregado atualmente na memória.
-
Os recursos de entrada têm dimensões ou formato incorreto em comparação com os dados de treinamento do modelo.
-
Exemplo 1
Uma expressão que faz uma previsão simples usando o modelo de preço de uma casa treinado no Exemplo 1 em Configurar modelo de regressão. Os recursos de entrada são para metragem quadrada, quartos e tempo de construção.
PredictFromModel ( "HousePriceModel" ; "[1600, 3, 20]" )
Retorna um preço previsto para a casa com base em 1600 pés quadrados, 3 quartos e 20 anos de tempo de construção. Um possível valor retornado é 256,96153846153845279 (nas mesmas unidades de preço que os valores de destino usados nos dados de treinamento).
Exemplo 2
Prevê a classificação por estrelas de um cliente com base no texto da avaliação usando o modelo treinado no Exemplo 2 em Configurar modelo de regressão. O script pede ao usuário para inserir uma avaliação ($reviewInput), configura uma conta de IA e, em seguida, usa essa conta para obter vetores de incorporação de texto para $reviewInput. Ele carrega o modelo de regressão armazenado no campo global Reviews::ReviewModel e, em seguida, exibe a classificação prevista usando o modelo carregado "ReviewModel" e o vetor de incorporação para a avaliação do usuário ($reviewEmbedding). Ao final, o script descarrega o modelo da memória.
Mostrar caixa de diálogo personalizada ["Insira sua avaliação"; $reviewInput ]
Configurar conta de IA [ Nome da conta: "AI_Model_Server" ; Provedor do modelo: Personalizado ; Ponto de extremidade: "https://myserver.example.com:8080/" ; Verificar certificados SSL ; Chave de API: Global::API_Key ]
Inserir incorporação [ Nome da conta: "AI_Model_Server" ; Modelo de incorporação: "all-MiniLM-L12-v2" ; Entrada: $reviewInput ; Destino: $reviewEmbedding ]
Configurar modelo de regressão [ Ação: Carregar modelo ; Nome do modelo: "ReviewModel" ; Carregar modelo de: Reviews::ReviewModel ]
Mostrar caixa de diálogo personalizada [ "Classificação prevista"; PredictFromModel ( "ReviewModel" ; $reviewEmbedding ) ]
Configurar modelo de regressão [ Ação: Descarregar modelo ; Nome do modelo: "ReviewModel" ]
Uma possível classificação prevista para uma avaliação positiva é 4,8700974666666665414 para valores de destino usados no treinamento que variam de 1 a 5.