Machine Learning Lab

El Machine Learning Lab le proporciona un entorno centralizado para crear, formar y desplegar los modelos de aprendizaje automático. Actualmente, estos modelos se pueden usar para activar la Clasificación de tiques de Neurons for ITSM, pero publicaremos más aplicaciones. Los modelos se crean desde el interior de la plataforma de Ivanti Neurons y permanecen ahí incluso después de ser desplegados.
Con Machine Learning Lab, ya no necesita un conocimiento profundo sobre los modelos de aprendizaje automático.

Puede encontrar el Machine Learning Lab de Ivanti Neurons en Software > Machine Learning Lab.
Para una implementación correcta de un modelo de aprendizaje automático, deberá preparar lo siguiente:

  • Datos de formación, un conjunto de ejemplos donde la combinación de entrada y salida se sabe que es correcta.
  • Palabras de parada (opcional): una lista de palabras que el modelo debe ignorar. Esto se puede usar para mejorar el rendimiento del modelo.
    Tenga en cuenta que se aplica automáticamente un conjunto de palabras de parada predeterminado de NLTK.

Para obtener más información sobre cómo preparar su conjunto de datos y entrenar un modelo de aprendizaje automático, consulte Empezar a usar la Clasificación de tiques.

Actualmente, el Machine Learning Lab solo es compatible con modelos de aprendizaje automático para Categorización de tiques de Neurons for ITSM e idioma inglés.

La tabla de Modelos de aprendizaje automático muestra una lista de modelos de aprendizaje automático y sus propiedades.
Haga clic en Nombre de modelo para obtener información más detallada sobre el modelo.

A continuación hay una lista de acciones posibles relacionadas con los modelos de aprendizaje automático.
Para una guía paso a paso que configure la Clasificación de tiques, consulte Empezar a usar la Clasificación de tiques.

Para agregar un nuevo modelo, en primer lugar debe exportar y preparar los datos de formación del sistema en el que desplegará el modelo. Otra alternativa es agregar un archivo con palabras de parada, para afinar el modelo.
Para obtener más información sobre cómo preparar estos datos, consulte Empezar a usar la clasificación de tiques, paso 3. Borrar los datos de formación.

  1. Haga clic en Agregar modelo.
    Se abre el panel Agregar modelo.
  2. Especifique un Nombre para el modelo y seleccione el Tipo e Idioma deseados.
    Actualmente, los campos Tipo e Idioma solo tienen una opción y no se puede cambiar.
  3. Seleccione un archivo CSV que contenga Datos de formación.
    El archivo CSV no debe contener un punto en la columna Servicio.
  4. Alternativamente, Seleccione un archivo de CSV que contenta Palabras de parada.
  5. Guardar cambios. También puede iniciar inmediatamente la formación del modelo si selecciona Guardar y formar.
    Se cierra el panel Agregar modelo.

Ahora puede hacer clic en elipsis vertical para seleccionar su siguiente paso.

Según el estado del modelo, es posible que la opción Editar no esté disponible.

  1. Haga clic en el nombre de un modelo de la tabla Modelos de aprendizaje automático o haga clic en elipsis vertical y seleccione Editar.
    Se abre el panel de edición del modelo.
  2. En la pestaña Datos del modelo del panel, encontrará información sobre la configuración del modelo. En caso necesario, puede editar estos datos.
  3. Guardar cambios. También puede iniciar inmediatamente la formación del modelo si selecciona Guardar y formar.
    Se cierra el panel.

Según el estado del modelo, es posible que la opción Formar no esté disponible.

  1. Seleccione Guardar y formar en el panel de edición del modelo o, desde la vista de la lista de modelos, haga clic en elipsis vertical y seleccione Formar.
  2. Machine Learning Labs carga los datos de formación y palabras de parada que proporcionó e inicia la formación.

Después de formar el modelo, puede encontrar su precisión en la pestaña Detalles del modelo (haga clic en elipsis vertical y seleccione Ver).
La precisión se expresa en dos números:

  • Precisión de la formación: el porcentaje de clasificaciones correctas que se logró durante la formación.
  • Precisión de la prueba: el porcentaje de inferencias correctas en las muestras a partir de los datos de formación, que no se usaron durante la formación.

Estos porcentajes le pueden ayudar a decidir cuál es el mejor modelo para su entorno.
Puede tener varios modelos formados en su Machine Learning Lab.

Si el Machine Learning Lab encuentra un problema cuando intenta formar el modelo, el estado cambia a Formación fallida. Si esto ocurre, haga clic en elipsis vertical, seleccione Vista y vaya a la pestaña Detalles del modelo, para obtener más información.

Cuando se agrega una clase nueva o una existente se deja de usar en el entorno de Neurons for ITSM, debe formar un nuevo modelo con un conjunto actualizado de datos de formación. Consulte también Cuándo formar un modelo nuevo.

Desplegar un modelo significa que los datos de las incidencias nuevas se empiezan a procesar con el modelo.
El modelo permanece en el Machine Learning Lab.
Para desplegar un modelo a su entorno de Neurons for ITSM, haga clic en elipsis vertical y seleccione Desplegar. Puede desplegar cualquier modelo que tenga el estado Formado.

Si ya se había desplegado otro modelo cuando desplegó un modelo, el estado del modelo anterior se devuelve a Formado. Entonces, se desplegará el nuevo modelo. Durante este proceso, no se clasifican las incidencias nuevas.
Después de completar el despliegue, volverá a empezar la clasificación de incidencias que se crearn desde ese momento en adelante.

Después de desplegar el modelo, puede encontrar la información siguiente en la pestaña Detalles del modelo (haga clic en elipsis vertical y seleccione Ver).

  • Número de llamadas API: el número de veces que se llamó al modelo para predecir la clae de una incidencia desde el despliegue.
  • Probabilidad de clae superior media: cuando el modelo se llama para predecir la clase de la incidencia, se propone la clase con la probabilidad más alta según el modelo para Neurons for ITSM.
    Este valor muestra la probabilidad media de las primeras clases propuestas para incidencias desde que se desplegó el modelo.


Actualmente, la única manera de cancelar el despliegue de un modelo es elminarlo.

Si el Machine Learning Lab encuentra un problema cuando intenta desplegar el modelo, el estado cambia a Despliegue fallido. Si esto ocurre, haga clic en elipsis vertical, seleccione Vista y vaya a la pestaña Detalles del modelo, para obtener más información.

Cuando se agrega una clase nueva o una existente se deja de usar en el entorno de Neurons for ITSM, debe formar un nuevo modelo con un conjunto actualizado de datos de formación. Consulte también Cuándo formar un modelo nuevo.

Desde la vista de la lista de modelos, haga clic en elipsis vertical en la línea del modelo que desee eliminar, y seleccione Eliminar.
Si el modelo se desplegó, las nuevas incidencias ya no se clasificarán.