（十八）「JVS-Rules规则引擎 V2.5」— 机器学习模型节点
一、功能简介
“机器学习模型节点”是JVS智能决策流程中的预测分析组件，支持调用已训练的机器学习模型，对输入数据进行推理计算（如分类、回归、风险预测等），并将模型输出结果传递至后续节点（如结束节点、其他数据处理节点），实现端到端的智能化决策。
该节点通过可视化配置+特征映射的方式，降低机器学习技术的使用门槛，让业务人员无需代码即可将模型能力嵌入业务流程（如信贷风控、客户分群、销量预测等场景）。
二、使用前须知
在使用“机器学习模型节点”前，请确保满足以下条件，避免配置失败：
- 模型准备：需提前在平台的「模型训练」模块完成模型训练/上传，确保模型处于可用状态，且模型类型与业务场景匹配（如分类模型、回归模型）。
- 字段一致性：模型的输入特征（如
outlook、temperature）需与决策规则流程中提供的输入数据（或变量）字段名称、数据类型完全一致（如字符串、数值、布尔值），否则会导致特征映射失败。 - 流程结构：机器学习模型节点需串联在「开始节点」和「结束节点」（或其他处理节点）之间，形成完整的流程逻辑（如：开始节点→机器学习模型→结束节点）。
三、如何使用（详细操作步骤）
步骤1：添加“机器学习模型节点”
- 登录系统，进入决策流程设计页面。
- 在左侧“数据处理”栏中，找到「机器学习模型」节点。
- 将节点拖动到中间的流程画布中或直接在连线上点击+添加节点。
步骤2：连接决策节点
在决策画布中，通过箭头连线建立节点关系：
如需在模型节点后添加其他处理节点（如“赋值节点”“条件分支”），也可将箭头连接至对应节点。
步骤3：配置“机器学习模型节点”参数
选中决策画布中的「机器学习模型节点」，下方会显示节点配置界面。
子步骤3.1：选择引用的模型
下拉选择“引用的模型”：
- 点击下拉箭头，系统会加载所有可用模型列表。
- 选择业务所需的模型（例如选择“测试”模型，需确保模型已就绪）。
子步骤3.2：配置特征值映射
“传参映射值”用于将流程中的输入数据（或变量或入参或节点）与模型的输入特征一一对应，确保模型能正确接收输入。
步骤4：保存并测试
- 配置完成后，点击页面右上角的“保存”按钮（或快捷键
Ctrl+S），保存决策配置。 - 点击“测试”按钮，模拟流程执行：
- 系统会根据配置的模型、特征映射，执行推理计算。
- 测试完成后，可查看模型输出结果（如在结束节点的输出中，或在节点详情的“运行日志”里）。
四、注意事项
- 字段一致性校验：
- 特征名称必须与模型训练时的输入特征完全一致（包括大小写、拼写）。
- 数据类型必须匹配（如模型要求
temperature为数值型，输入的“26”需确保是数字而非字符串）。
- 传参方式合理性：
- 若输入数据是动态的（如用户实时提交的表单数据），建议用“变量”传参，避免每次手动修改。
- 若仅需测试模型逻辑，可使用“录入”传参，快速验证输出是否符合预期。
- 决策逻辑完整性：机器学习模型节点需有明确的输入（来自开始节点或前序节点）和输出（到结束节点或后序节点），否则流程执行时会报错“节点连接不完整”。