エージェントインテリジェンス ML ソリューションのトレーニングが「トレーニングソリューション中にエラーが発生しました」というエラーと、「重複排除タスクが失敗しました」または「データがモデル作成に十分ではありません」に関連するエラーで失敗するIssue <!-- /*NS Branding Styles*/ --> .ns-kb-css-body-editor-container { p { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } span { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } h2 { font-size: 24pt; font-family: Lato; color: var(--now-color--text-primary, black); } h3 { font-size: 18pt; font-family: Lato; color: var(--now-color--text-primary, black); } h4 { font-size: 14pt; font-family: Lato; color: var(--now-color--text-primary, black); } a { font-size: 12pt; font-family: Lato; color: var(--now-color--link-primary, #00718F); } a:hover { font-size: 12pt; color: var(--now-color--link-primary, #024F69); } a:target { font-size: 12pt; color: var(--now-color--link-primary, #032D42); } a:visited { font-size: 12pt; color: var(--now-color--link-primary, #00718f); } ul { font-size: 12pt; font-family: Lato; } li { font-size: 12pt; font-family: Lato; } img { display: ; max-width: ; width: ; height: ; } } [incident] テーブルに対して定義されたエージェントインテリジェンス ML ソリューション定義をトレーニングすると、ソリューションステータスが「ソリューションのトレーニング中にエラーが発生しました」と更新されます。トレーニング進捗状況バーが表示されている場合は、次の 2 つのエラーのいずれかが発生します。 ステップ 2.データを準備しています:例外のためトレーニングが終了しました。重複排除タスクの実行に失敗しました。テキスト列を null または空にすることはできませんまたはステップ 3.トレーニングソリューション:例外によりトレーニングが終了しました。モデルの作成には十分なデータがないため、モデルの作成に失敗しました。トレーニングデータセットの期間を長くすることを検討してください。またはステップ 3. トレーニングソリューション: 例外によりトレーニングが終了しました。使用されたデータが十分でないか、入力フィールドが出力フィールドを予測していないため、ソリューショントレーニングに失敗しました。」 Release<!-- /*NS Branding Styles*/ --> .ns-kb-css-body-editor-container { p { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } span { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } h2 { font-size: 24pt; font-family: Lato; color: var(--now-color--text-primary, black); } h3 { font-size: 18pt; font-family: Lato; color: var(--now-color--text-primary, black); } h4 { font-size: 14pt; font-family: Lato; color: var(--now-color--text-primary, black); } a { font-size: 12pt; font-family: Lato; color: var(--now-color--link-primary, #00718F); } a:hover { font-size: 12pt; color: var(--now-color--link-primary, #024F69); } a:target { font-size: 12pt; color: var(--now-color--link-primary, #032D42); } a:visited { font-size: 12pt; color: var(--now-color--link-primary, #00718f); } ul { font-size: 12pt; font-family: Lato; } li { font-size: 12pt; font-family: Lato; } img { display: ; max-width: ; width: ; height: ; } } Kingston, London Cause<!-- /*NS Branding Styles*/ --> .ns-kb-css-body-editor-container { p { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } span { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } h2 { font-size: 24pt; font-family: Lato; color: var(--now-color--text-primary, black); } h3 { font-size: 18pt; font-family: Lato; color: var(--now-color--text-primary, black); } h4 { font-size: 14pt; font-family: Lato; color: var(--now-color--text-primary, black); } a { font-size: 12pt; font-family: Lato; color: var(--now-color--link-primary, #00718F); } a:hover { font-size: 12pt; color: var(--now-color--link-primary, #024F69); } a:target { font-size: 12pt; color: var(--now-color--link-primary, #032D42); } a:visited { font-size: 12pt; color: var(--now-color--link-primary, #00718f); } ul { font-size: 12pt; font-family: Lato; } li { font-size: 12pt; font-family: Lato; } img { display: ; max-width: ; width: ; height: ; } } トレーナーに提供されたデータセットが無効です。十分なデータがないか、十分なデータがありますが、その品質が十分ではありません。 Resolution<!-- /*NS Branding Styles*/ --> .ns-kb-css-body-editor-container { p { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } span { font-size: 12pt; font-family: Lato; color: var(--now-color--text-primary, #000000); } h2 { font-size: 24pt; font-family: Lato; color: var(--now-color--text-primary, black); } h3 { font-size: 18pt; font-family: Lato; color: var(--now-color--text-primary, black); } h4 { font-size: 14pt; font-family: Lato; color: var(--now-color--text-primary, black); } a { font-size: 12pt; font-family: Lato; color: var(--now-color--link-primary, #00718F); } a:hover { font-size: 12pt; color: var(--now-color--link-primary, #024F69); } a:target { font-size: 12pt; color: var(--now-color--link-primary, #032D42); } a:visited { font-size: 12pt; color: var(--now-color--link-primary, #00718f); } ul { font-size: 12pt; font-family: Lato; } li { font-size: 12pt; font-family: Lato; } img { display: ; max-width: ; width: ; height: ; } } 少なくとも 50,000 件のインシデントのデータセットを用意することをお勧めしますが、100,000 件の方がさらに良い量です。データセットは、ソリューション定義で定義された選択基準に一致するインシデントの数です。十分なインシデントがない場合は、期間を延長してさらにインシデントを選択することを検討してください。トレーナーによってビルドされるモデルの品質は、提供されるデータの品質に依存します。 インシデントは、出力フィールドの 少なくとも 2 つの異なる値 (通常はカテゴリまたはアサイン先グループ) にリンクする必要があります。空の入力フィールド (通常は簡単な説明) または空の 出力フィールド (通常は カテゴリまたはアサイン先グループ) を含むインシデントがあってはなりません。入力フィールド (通常は簡単な説明) の値は、高品質である必要があります。(スクリプトなどによって) 人為的に作成されたインシデントは、簡単な説明が同じであるか、見た目がほぼ同じであるため、通常品質が良くありません。実際のインシデントを使用する必要があります。