このセクションの内容:
Machine Learning フローは、DTP の 機械学習機能 が作成した、修正する静的解析違反の予測データを表示するウィジェットを提供します。
Machine Learning フローは Process Intelligence Pack の一部としてインストールされます。詳細については Process Intelligence Pack のインストール手順 を参照してください。Process Intelligence Pack をインストールした後、DTP 環境にウィジェットとレポートをデプロイします。
アーティファクトをデプロイした後、以下のウィジェットが DTP の Machine Learning カテゴリから利用できるようになります。
ダッシュボードにウィジェットを追加する方法については「ウィジェットの追加」を参照してください。
このウィジェットは、機械学習機能によって計算されたものと同じ信頼性ファクターを持つ違反のグループを表示します。
グラフの各棒は、修正アクションが割り当てられた違反のグループを表します。Y 軸は、線形スケールまたは対数スケールのいずれかでターゲット ビルドの違反の数を示します (「構成」を参照)。X 軸は、最も低いものから最も高いものへと、予測の信頼性を示します。グラフの左側に最も近い X 軸の棒は、信頼性ファクターが低いことを表します。グラフの右側に向かって、棒の信頼性ファクターは増加します。
棒にマウス ポインターを合わせると、予測されたアクション、信頼性の値、および予測が適用される違反の数を確認できます。このウィジェットは他の DTP インターフェイスにリンクしていません。
以下の設定を行うことができます。
| タイトル | デフォルトのタイトルの代わりにダッシュボードに表示する新しいタイトルを入力します。 |
|---|---|
| フィルター | [ダッシュボード設定] を選択してダッシュボード フィルターを使用するか、ドロップダウン メニューからフィルターを選択します (DTP のフィルターの詳細については「フィルターの作成と管理」を参照してください)。 |
| Target Build (ターゲット ビルド) | 表示するデータを含むビルドを選択します。デフォルトは Latest Build です。 |
| Y 軸スケール | Y 軸のスケールを設定し、Y 軸に沿ってビルドでの違反の実際の数を表示するには、[Linear]を選択します。 違反の数をY軸に沿って対数スケールとして表示するには、[Log] を選択します。このオプションを使用すると、大きい値と並んで小さい値が見やすくなり、ビルドに多数の違反が含まれている場合に読みやすさを向上させることができます。 |
このウィジェットには、Violations - Fix Action Prediction - Bar Chart (Large) ウィジェットと同じ情報と構成が含まれていますが、よりコンパクトなグラフ (3X1) になっています。
ウィジェットのサイズの詳細については「ダッシュボード グリッド」を参照してください。
このウィジェットには、Violations - Fix Action Prediction - Bar Chart (Large) ウィジェットと同じ情報と構成が含まれていますが、よりコンパクトなグラフ (2X1) になっています。
ウィジェットのサイズの詳細については「ダッシュボード グリッド」を参照してください。
このウィジェットには、機械学習機能が修正アクションを割り当てた違反の数と、確認する必要のある違反の数が表示されます。情報は、プレーンテキスト値と同様に円グラフとしてレンダリングされます。違反は、しきい値に基づいて、「修正」または「レビュー」として予測されます。詳細については「Probability Threshold」を参照してください。
円グラフの一部にマウス ポインターを合わせると、予測されたアクションの数、信頼性の値、および予測が適用される違反の数を確認できます。このウィジェットは他の DTP インターフェイスにリンクしていません。
| タイトル | デフォルトのタイトルの代わりにダッシュボードに表示する新しいタイトルを入力します。 |
|---|---|
| フィルター | [ダッシュボード設定] を選択してダッシュボード フィルターを使用するか、ドロップダウン メニューからフィルターを選択します (DTP のフィルターの詳細については「フィルターの作成と管理」を参照してください)。 |
| Target Build (ターゲット ビルド) | 表示するデータを含むビルドを選択します。デフォルトは Latest Build です。 |
| 確率のしきい値 | 違反を「修正」として分類するための確率のしきい値を決定するには、0 から 1.0 の間の単一の float 値を指定します。詳細については「Probability Threshold」を参照してください。 |
このウィジェットには、機械学習機能が修正アクションを割り当てた違反の割合が表示されます。違反は、しきい値に基づいて、「修正」または「レビュー」として予測されます。詳細については「Probability Threshold」を参照してください。
このウィジェットは他の DTP インターフェイスにリンクしていません。
| タイトル | デフォルトのタイトルの代わりにダッシュボードに表示する新しいタイトルを入力します。 |
|---|---|
| フィルター | [ダッシュボード設定] を選択してダッシュボード フィルターを使用するか、ドロップダウン メニューからフィルターを選択します (DTP のフィルターの詳細については「フィルターの作成と管理」を参照してください)。 |
| Target Build (ターゲット ビルド) | 表示するデータを含むビルドを選択します。デフォルトは Latest Build です。 |
| 確率のしきい値 | 違反を「修正」として分類するための確率のしきい値を決定するには、0 から 1.0 の間の単一の float 値を指定します。詳細については「Probability Threshold」を参照してください。 |
機械学習機能は、予測の計算に使用される予測モデルを構築するときに、違反にさまざまな値を割り当てます。割り当てられる値のひとつは、0 から 1 までの数値である確率メトリクスです。1 に近い値の違反には、正しいアクション (修正または抑制) が割り当てられる可能性が高くなります。逆に、0 に近い値の違反では、正しいアクションが割り当てられる可能性が低くなります。予測アクションを計算するための内部メトリクスを確認するためのインターフェイスはありません。
Violations - Fix Action Prediction - Pie および Violations to Fix - Percentage ウィジェットを使用すると、ウィジェットで違反をレンダリングするためのしきい値を設定できます。これにより、修正が必要な違反を決定するために、より厳しい条件を適用できます。たとえば、予測は違反に対して次の値を返す場合があります。
violationActionPredication: {
"label":"Fix",
"probability":0.6512625803274749
} |
確率のしきい値が .5 に設定されている場合、ウィジェットは [修正] グループに違反を含めます。しかし、確率のしきい値が .7 に設定されている場合、ウィジェットは [レビュー] グループに違反を含めます。