ModelProxy Klasse

Hinweis

Dies ist eine experimentelle Klasse, die jederzeit geändert werden kann. Unter https://aka.ms/azuremlexperimental finden Sie weitere Informationen.

Proxy-Objekt für AutoML-Modelle, das Rückschlüsse beim Remotecomputing ermöglicht.

Erstellen Sie ein AutoML ModelProxy-Objekt, um Rückschlüsse an die Trainingsumgebung zu übermitteln.

Vererbung

builtins.object

ModelProxy

Konstruktor

ModelProxy(child_run, compute_target=None)

Parameter

Name	Beschreibung
child_run Erforderlich	Die untergeordnete Ausführung, von der das Modell heruntergeladen wird.
compute_target Erforderlich	Überschreiben Sie, damit die Zielcompute für rückschlüsse verwendet werden kann.

Methoden

forecast	Übermitteln Sie einen Auftrag zum Ausführen der Vorhersage mit dem Modell für die angegebenen Werte.
forecast_quantiles	Übermitteln Sie einen Auftrag zum Ausführen von forecast_quantiles mit dem Modell für die angegebenen Werte.
predict	Übermitteln Sie einen Auftrag zum Ausführen der Vorhersage mit dem Modell für die angegebenen Werte.
predict_proba	Übermitteln Sie einen Auftrag zum Ausführen von predict_proba mit dem Modell für die angegebenen Werte.
test	Ruft Vorhersagen aus den test_data ab, und berechnet die relevanten Metriken.

forecast

Übermitteln Sie einen Auftrag zum Ausführen der Vorhersage mit dem Modell für die angegebenen Werte.

forecast(X_values: Any, y_values: Any | None = None) -> Tuple[AbstractDataset, AbstractDataset]

Parameter

Name	Beschreibung
X_values Erforderlich	AbstractDataset oder DataFrame oder ndarray Geben Sie die Testdaten ein, für die eine Vorhersage ausgeführt werden soll.
y_values	AbstractDataset oder DataFrame oder ndarray Geben Sie y-Werte ein, für die eine Vorhersage ausgeführt werden soll. Standardwert: None

Gibt zurück

Typ	Beschreibung
	Die Vorhersagewerte.

forecast_quantiles

Übermitteln Sie einen Auftrag zum Ausführen von forecast_quantiles mit dem Modell für die angegebenen Werte.

forecast_quantiles(X_values: Any, y_values: Any | None = None, forecast_destination: Any | None = None, ignore_data_errors: bool = False) -> AbstractDataset

Parameter

Name	Beschreibung
X_values Erforderlich	AbstractDataset Geben Sie die Testdaten ein, für die eine Vorhersage ausgeführt werden soll.
y_values	Geben Sie y-Werte ein, für die eine Vorhersage ausgeführt werden soll. Standardwert: None
forecast_destination	<xref:pandas.Timestamp> Forecast_destination: ein Zeitstempelwert. Vorhersagen werden bis zur Zeit von forecast_destination für alle Aggregationsintervalle durchgeführt. Eine Wörterbucheingabe vom Typ { grain -> timestamp } wird nicht akzeptiert. Wenn „forecast_destination“ nicht angegeben wird, wird der letzte Zeitpunkt in „X_pred“ für jedes Aggregationsintervall angenommen. Standardwert: None
ignore_data_errors	bool Fehler in Benutzerdaten werden ignoriert. Standardwert: False

predict

Übermitteln Sie einen Auftrag zum Ausführen der Vorhersage mit dem Modell für die angegebenen Werte.

predict(values: Any) -> AbstractDataset

Parameter

Name	Beschreibung
values Erforderlich	AbstractDataset oder DataFrame oder ndarray Geben Sie Testdaten für die Vorhersageausführung ein.

Gibt zurück

Typ	Beschreibung
	Die vorhergesagten Werte.

predict_proba

Übermitteln Sie einen Auftrag zum Ausführen von predict_proba mit dem Modell für die angegebenen Werte.

predict_proba(values: Any) -> AbstractDataset

Parameter

Name	Beschreibung
values Erforderlich	AbstractDataset oder DataFrame oder ndarray Geben Sie Testdaten für die Vorhersageausführung ein.

Gibt zurück

Typ	Beschreibung
	Die vorhergesagten Werte.

test

Ruft Vorhersagen aus den test_data ab, und berechnet die relevanten Metriken.

test(test_data: AbstractDataset, include_predictions_only: bool = False) -> Tuple[AbstractDataset, Dict[str, Any]]

Parameter

Name	Beschreibung
test_data Erforderlich	Das Testdataset.
include_predictions_only	Gibt an, ob die Vorhersagen nur als Teil der Ausgabe „predictions.csv“ einbezogen werden sollen. Wenn dieser Parameter True ist, sehen die CSV-Ausgabespalten wie folgt aus (die Vorhersage entspricht der Regression): Classification => [predicted values], [probabilities] Regression => [predicted values] Andernfalls (Standardwert): Classification => [original test data labels], [predicted values], [probabilities], [features] Regression => [original test data labels], [predicted values], [features] Der Spaltenname [original test data labels] = [label column name] + "_orig". Der Spaltenname [predicted values] = [label column name] + "_predicted". Die [probabilities] Spaltennamen = [class name] + "_predicted_proba". Die [features] Spaltennamen = [feature column name] + "_orig". Wenn test_data keine Zielspalte enthält, ist [original test data labels] nicht im Ausgabedatenrahmen enthalten. Standardwert: False

Gibt zurück

Typ	Beschreibung
	Ein Tupel mit den vorhergesagten Werten und Metriken.