ModelProxy Klas

Notitie

Dit is een experimentele klasse en kan op elk gewenst moment worden gewijzigd. Zie https://aka.ms/azuremlexperimental voor meer informatie.

Proxyobject voor AutoML-modellen die deductie op externe berekeningen mogelijk maken.

Maak een AutoML ModelProxy-object om deductie naar de trainingsomgeving te verzenden.

Overname

builtins.object

ModelProxy

Constructor

ModelProxy(child_run, compute_target=None)

Parameters

Name	Description
child_run Vereist	De onderliggende uitvoering van waaruit het model wordt gedownload.
compute_target Vereist	Overschrijf voor de doelberekening om deductie uit te voeren.

Methoden

forecast	Dien een taak in om een prognose uit te voeren op het model voor de opgegeven waarden.
forecast_quantiles	Dien een taak in om forecast_quantiles uit te voeren op het model voor de opgegeven waarden.
predict	Dien een taak in om predict uit te voeren op het model voor de opgegeven waarden.
predict_proba	Dien een taak in om predict_proba uit te voeren op het model voor de opgegeven waarden.
test	Haal voorspellingen op uit de test_data relevante metrische gegevens en bereken relevante metrische gegevens.

forecast

Dien een taak in om een prognose uit te voeren op het model voor de opgegeven waarden.

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

Parameters

Name	Description
X_values Vereist	AbstractDataset of DataFrame of ndarray Voer testgegevens in om prognose op uit te voeren.
y_values	AbstractDataset of DataFrame of ndarray Voer y-waarden in om de prognose op uit te voeren. Default value: None

Retouren

Type	Description
	De prognosewaarden.

forecast_quantiles

Dien een taak in om forecast_quantiles uit te voeren op het model voor de opgegeven waarden.

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

Parameters

Name	Description
X_values Vereist	AbstractDataset Voer testgegevens in om prognose op uit te voeren.
y_values	Voer y-waarden in om de prognose op uit te voeren. Default value: None
forecast_destination	<xref:pandas.Timestamp> Forecast_destination: een tijdstempelwaarde. Prognoses worden gemaakt tot aan de forecast_destination tijd, voor alle granen. Woordenlijstinvoer { grain -> tijdstempel } wordt niet geaccepteerd. Als forecast_destination niet wordt opgegeven, wordt deze als laatste keer in X_pred voor elke korrel toegerekend. Default value: None
ignore_data_errors	bool Fouten in gebruikersgegevens negeren. Default value: False

predict

Dien een taak in om predict uit te voeren op het model voor de opgegeven waarden.

predict(values: Any) -> AbstractDataset

Parameters

Name	Description
values Vereist	AbstractDataset of DataFrame of ndarray Voer testgegevens in om voorspellen op uit te voeren.

Retouren

Type	Description
	De voorspelde waarden.

predict_proba

Dien een taak in om predict_proba uit te voeren op het model voor de opgegeven waarden.

predict_proba(values: Any) -> AbstractDataset

Parameters

Name	Description
values Vereist	AbstractDataset of DataFrame of ndarray Voer testgegevens in om voorspellen op uit te voeren.

Retouren

Type	Description
	De voorspelde waarden.

test

Haal voorspellingen op uit de test_data relevante metrische gegevens en bereken relevante metrische gegevens.

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

Parameters

Name	Description
test_data Vereist	De testgegevensset.
include_predictions_only	Of alleen de voorspellingen moeten worden opgenomen als onderdeel van de uitvoer van de predictions.csv. Als deze parameter is True , zien de CSV-uitvoerkolommen er als volgt uit (prognoses zijn hetzelfde als regressie): Classification => [predicted values], [probabilities] Regression => [predicted values] else (standaard): Classification => [original test data labels], [predicted values], [probabilities], [features] Regression => [original test data labels], [predicted values], [features] De [original test data labels] kolomnaam = [label column name] + "_orig". De [predicted values] kolomnaam = [label column name] + "_predicted". De [probabilities] kolomnamen = [class name] + "_predicted_proba". De [features] kolomnamen = [feature column name] + "_orig". Als de test_data geen doelkolom bevat, [original test data labels] staat deze niet in het uitvoergegevensframe. Default value: False

Retouren

Type	Description
	Een tuple met de voorspelde waarden en de metrische gegevens.