Udostępnij za pośrednictwem

ModelProxy Klasa

  • Odwołanie

Uwaga

Jest to klasa eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental.

Obiekt serwera proxy dla modeli AutoML, który umożliwia wnioskowanie na zdalnych obliczeniach.

Utwórz obiekt AutoML ModelProxy, aby przesłać wnioskowanie do środowiska szkoleniowego.

Dziedziczenie
builtins.object
ModelProxy

Konstruktor

ModelProxy(child_run, compute_target=None)

Parametry

Nazwa Opis
child_run
Wymagane

Podrzędny przebieg, z którego zostanie pobrany model.
compute_target
Wymagane

Zastąp element docelowy obliczeniowy do wnioskowania.

Metody

forecast

Prześlij zadanie, aby uruchomić prognozę na modelu dla podanych wartości.
forecast_quantiles

Prześlij zadanie, aby uruchomić forecast_quantiles na modelu dla podanych wartości.
predict

Prześlij zadanie, aby uruchomić przewidywanie modelu dla podanych wartości.
predict_proba

Prześlij zadanie, aby uruchomić predict_proba w modelu dla podanych wartości.
test

Pobieranie przewidywań z test_data odpowiednich metryk i obliczeń.

forecast

Prześlij zadanie, aby uruchomić prognozę na modelu dla podanych wartości.

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

Parametry

Nazwa Opis
X_values
Wymagane
AbstractDataset lub DataFrame lub ndarray

Dane testowe danych wejściowych do uruchamiania prognozy.
y_values
AbstractDataset lub DataFrame lub ndarray

Wejściowe wartości y do uruchomienia prognozy.

Domyślna wartość: None

Zwraca

Typ Opis

Wartości prognozy.

forecast_quantiles

Prześlij zadanie, aby uruchomić forecast_quantiles na modelu dla podanych wartości.

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

Parametry

Nazwa Opis
X_values
Wymagane
AbstractDataset

Dane testowe danych wejściowych do uruchamiania prognozy.
y_values

Wejściowe wartości y do uruchomienia prognozy.

Domyślna wartość: None
forecast_destination
<xref:pandas.Timestamp>

Forecast_destination: wartość sygnatury czasowej. Prognozy zostaną wykonane przez cały czas do forecast_destination czasu, dla wszystkich ziarna. Dane wejściowe słownika { grain —> znacznik czasu } nie zostaną zaakceptowane. Jeśli forecast_destination nie zostanie podana, zostanie ona przypisana jako ostatni raz występująca w X_pred dla każdego ziarna.

Domyślna wartość: None
ignore_data_errors
bool

Ignoruj błędy w danych użytkownika.

Domyślna wartość: False

predict

Prześlij zadanie, aby uruchomić przewidywanie modelu dla podanych wartości.

predict(values: Any) -> AbstractDataset

Parametry

Nazwa Opis
values
Wymagane
AbstractDataset lub DataFrame lub ndarray

Dane testowe danych wejściowych do uruchomienia przewidywania.

Zwraca

Typ Opis

Przewidywane wartości.

predict_proba

Prześlij zadanie, aby uruchomić predict_proba w modelu dla podanych wartości.

predict_proba(values: Any) -> AbstractDataset

Parametry

Nazwa Opis
values
Wymagane
AbstractDataset lub DataFrame lub ndarray

Dane testowe danych wejściowych do uruchomienia przewidywania.

Zwraca

Typ Opis

Przewidywane wartości.

test

Pobieranie przewidywań z test_data odpowiednich metryk i obliczeń.

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

Parametry

Nazwa Opis
test_data
Wymagane

Testowy zestaw danych.
include_predictions_only

Niezależnie od tego, czy należy uwzględnić tylko przewidywania w ramach predictions.csv danych wyjściowych.

Jeśli ten parametr to True kolumny wyjściowe CSV wyglądają następująco (prognozowanie jest takie samo jak regresja):

Classification => [predicted values], [probabilities]

Regression => [predicted values]

else (wartość domyślna):

Classification => [original test data labels], [predicted values], [probabilities], [features]

Regression => [original test data labels], [predicted values], [features]

Nazwa [original test data labels] kolumny = [label column name] + "_orig".

Nazwa [predicted values] kolumny = [label column name] + "_predicted".

Nazwy [probabilities] kolumn = [class name] + "_predicted_proba".

Nazwy [features] kolumn = [feature column name] + "_orig".

Jeśli kolumna test_data docelowa nie zawiera kolumny docelowej, [original test data labels] nie będzie w ramce danych wyjściowych.

Domyślna wartość: False

Zwraca

Typ Opis

Krotka zawierająca przewidywane wartości i metryki.