ModelProxy Clase

Nota

Se trata de una clase experimental y puede cambiar en cualquier momento. Consulte https://aka.ms/azuremlexperimental para más información.

Objeto proxy para los modelos de AutoML que habilita la inferencia en el proceso remoto.

Cree un objeto ModelProxy de AutoML para enviar la inferencia al entorno de entrenamiento.

Herencia

builtins.object

ModelProxy

Constructor

ModelProxy(child_run, compute_target=None)

Parámetros

Nombre	Description
child_run Requerido	La ejecución secundaria desde la que se descargará el modelo.
compute_target Requerido	Sobrescriba el proceso de destino en el que se va a realizar la inferencia.

Métodos

forecast	Envíe un trabajo para ejecutar la previsión en el modelo para los valores dados.
forecast_quantiles	Envíe un trabajo para ejecutar forecast_quantiles en el modelo para los valores dados.
predict	Envíe un trabajo para ejecutar predict en el modelo para los valores dados.
predict_proba	Envíe un trabajo para ejecutar predict_proba en el modelo para los valores dados.
test	Recupere las predicciones de test_data y calcule las métricas pertinentes.

forecast

Envíe un trabajo para ejecutar la previsión en el modelo para los valores dados.

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

Parámetros

Nombre	Description
X_values Requerido	AbstractDataset o DataFrame o ndarray Datos de prueba de entrada en los que ejecutar la previsión.
y_values	AbstractDataset o DataFrame o ndarray Introduzca los valores y en los que se ejecutará la previsión. Valor predeterminado: None

Devoluciones

Tipo	Description
	Valores de previsión.

forecast_quantiles

Envíe un trabajo para ejecutar forecast_quantiles en el modelo para los valores dados.

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

Parámetros

Nombre	Description
X_values Requerido	AbstractDataset Datos de prueba de entrada en los que ejecutar la previsión.
y_values	Introduzca los valores y en los que se ejecutará la previsión. Valor predeterminado: None
forecast_destination	<xref:pandas.Timestamp> Forecast_destination: un valor de marca de tiempo. Las previsiones se realizarán hasta la hora de forecast_destination, para todos los granos. No se aceptará la entrada de diccionario { grain -> timestamp }. Si no se proporciona forecast_destination, se imputará como la última vez que se produjo en X_pred para cada grano. Valor predeterminado: None
ignore_data_errors	bool Omite errores en los datos de usuario. Valor predeterminado: False

predict

Envíe un trabajo para ejecutar predict en el modelo para los valores dados.

predict(values: Any) -> AbstractDataset

Parámetros

Nombre	Description
values Requerido	AbstractDataset o DataFrame o ndarray Datos de prueba de entrada en los que se va a ejecutar la predicción.

Devoluciones

Tipo	Description
	Valores previstos.

predict_proba

Envíe un trabajo para ejecutar predict_proba en el modelo para los valores dados.

predict_proba(values: Any) -> AbstractDataset

Parámetros

Nombre	Description
values Requerido	AbstractDataset o DataFrame o ndarray Datos de prueba de entrada en los que se va a ejecutar la predicción.

Devoluciones

Tipo	Description
	Valores previstos.

test

Recupere las predicciones de test_data y calcule las métricas pertinentes.

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

Parámetros

Nombre	Description
test_data Requerido	Conjunto de datos de prueba.
include_predictions_only	Si solo se deben incluir o no las predicciones como parte de la salida predictions.csv. Si este parámetro es True, las columnas CSV de salida tienen el aspecto siguiente (la previsión es la misma que la regresión): Classification => [predicted values], [probabilities] Regression => [predicted values] else (predeterminado): Classification => [original test data labels], [predicted values], [probabilities], [features] Regression => [original test data labels], [predicted values], [features] Nombre de columna [original test data labels] = [label column name] + "_orig". Nombre de columna [predicted values] = [label column name] + "_predicted". Los nombres de columna [probabilities] = [class name] + "_predicted_proba". Los nombres de columna [features] = [feature column name] + "_orig". Si test_data no incluye una columna de destino, [original test data labels] no estará en la trama de datos de salida. Valor predeterminado: False

Devoluciones

Tipo	Description
	Una tupla que contiene los valores predichos y las métricas.