constants Módulo

Define as constantes de ML automatizado usadas no Azure Machine Learning.

Classes

API	Define os nomes para as operações da API do Azure Machine Learning que podem ser executadas.
AcquisitionFunction	Define os nomes para todas as funções de aquisição usadas para selecionar o próximo pipeline. O padrão é EI (aprimoramento esperado).
AggregationFunctions	Definir as funções de agregação para colunas numéricas.
AutoMLDefaultTimeouts	Constantes para armazenar os tempos limite padrão
AutoMLJson	Define as constantes para um JSON criado por ML automatizado.
AutoMLValidation	Define as constantes de ML automatizado usadas no Azure Machine Learning.
CheckImbalance	Se a proporção das amostras na classe minoritária para as amostras na classe majoritária for igual ou inferior a esse limite, o Desequilíbrio será detectado no conjunto de dados.
ClientErrors	Define os erros de cliente que podem ocorrer ao violar restrições de custo especificadas pelo usuário.
DatetimeDtype	Define os tipos de dados datetime com suporte. Os nomes correspondem à saída de pandas.api.types.infer_dtype().
Defaults	Define os valores padrão para pipelines.
Dependencies	Define as constantes de ML automatizado usadas no Azure Machine Learning.
EnsembleConstants	Define as constantes usadas para iterações de Ensemble.
EnsembleMethod	Define os métodos de ensemble.
ExceptionFragments	Fragmentos de exceção
FeatureSweeping	Define as constantes para Varredura de Recursos.
FitPipelineComponentName	Constantes para os nomes do componente FitPipeline.
HyperparameterSweepingConstants	Define constantes relacionadas ao ajuste de hiperparâmetros.
IterationTimeout	Define as formas de alteração do per_iteration_timeout.
LearnerColumns	Define todas as colunas usadas para o pipeline do aluno.
LegacyModelNames	Define os nomes para todos os modelos compatíveis com a recomendação Miro no ML automatizado. Esses nomes ainda são usados para fazer referência a objetos no banco de dados Miro, mas não são usados por clientes do ML automatizado.
MLFlowLiterals	Constantes relacionadas ao MLFlow.
MLFlowMetaLiterals	Constantes relacionadas ao metdata do MLFlow.
MLTableLiterals	Define as constantes de ML automatizado usadas no Azure Machine Learning.
Metric	Define todas as métricas com suporte por classificação e regressão.
MetricExtrasConstants	Define valores internos de intervalos de confiança
MetricObjective	Define os mapeamentos de métricas para o objetivo delas. Os objetivos são maximização ou minimização (regressão e classificação).
ModelCategories	Define as categorias para os modelos.
ModelClassNames	Define os nomes de classe para os modelos. Esses são nomes de classe wrapper de modelo nas especificações do pipeline.
ModelName	Define um nome de modelo que inclui nomes de classe, de cliente e herdados. Init ModelName.
ModelNameMappings	Define os mapeamentos de nome de modelo.
ModelParameters	Define os nomes de parâmetros específicos para determinados modelos. Por exemplo, para indicar quais recursos no conjunto de dados são categóricos, um modelo LightGBM aceita o parâmetro 'categorical_feature', enquanto um modelo CatBoost aceita o parâmetro 'cat_features'.
NumericalDtype	Define os tipos de dados numéricos com suporte. Os nomes correspondem à saída de pandas.api.types.infer_dtype().
Optimizer	Define as categorias de algoritmos de previsão de pipeline usados. "aleatório" fornece uma linha de base selecionando um pipeline aleatoriamente "lvm" usa modelos de variáveis latentes para prever prováveis próximos pipelines com base no desempenho em pipelines anteriores.
OptimizerObjectives	Define os objetivos que um algoritmo pode ter em relação a uma métrica. Algumas métricas devem ser maximizadas e algumas devem ser minimizadas.
PipelineCost	Define os modos de modelo de custo. COST_NONE retorna todos os pipelines previstos COST_FILTER retorna apenas pipelines que foram previstos por modelos de custo para atender às condições de custo especificadas pelo usuário COST_SCALE divide a pontuação da função de aquisição pelo tempo previsto
PipelineMaskProfiles	Define os perfis de máscara para pipelines.
PipelineParameterConstraintCheckStatus	Define os valores que indicam se o pipeline é válido.
PreprocessorCategories	Define as categorias para pré-processadores.
RuleBasedValidation	Define as constantes para a configuração de validação baseada em regras.
RunState	Define os estados em que uma execução pode estar.
ServerStatus	Define valores de status do servidor.
ShortSeriesHandlingValues	Defina os valores possíveis da configuração ShortSeriesHandling.
Status	Define possíveis estados de execução filho.
SubsamplingSchedule	Define as estratégias de subamostras.
SubsamplingTreatment	Define o tratamento de subamostra em GP.
Subtasks	Define os nomes das subtarefas.
SupportedCategoricals	Define os aprendizes categóricos com suporte no tipo _set_dataset_categoricals:
SupportedInputDatatypes	Tipos de dados de entrada compatíveis com ML automatizado para diferentes tipos de execução.
SupportedModelNames	Define os modelos com suporte em que cada modelo tem um nome de cliente, nome de modelo herdado e nome de classe de modelo.
SupportedModels	Define os nomes voltados ao cliente para algoritmos com suporte do ML automatizado no Azure Machine Learning.
Tasks	Define os tipos de tarefas de machine learning compatíveis com o ML automatizado.
TelemetryConstants	Define as constantes de telemetria.
TextOrCategoricalDtype	Define os tipos de dados categóricos com suporte.
TimeConstraintEnforcement	Enumeração de modos de imposição de restrição de tempo.
TimeSeries	Define os parâmetros usados para séries temporais.
TimeSeriesInternal	Define as constantes TimeSeries não voltadas ao usuário.
TimeSeriesWebLinks	Define os links da Web para a documentação da série temporal.
TrainingResultsType	Define os resultados potenciais da classe de executores.
TrainingType	Define os métodos de validação. Diferentes tipos de experimentos usarão diferentes métodos de validação.
Transformers	Define os transformadores usados para processamento de dados.
ValidationLimitRule	Define as regras de validação. Inite a regra com base nas entradas.

Enumerações

ErrorLinks	Constantes para armazenar o link para corrigir os erros.
ImageTask	Tipos de tarefa de imagem disponíveis.
MLTableDataLabel	Uma enumeração.

Funções

get_metric_from_type

Obtém as métricas válidas para um determinado tipo de treinamento.

get_metric_from_type(t)

Parâmetros

Nome	Description
t Obrigatório

get_status_from_type

Obtém o status de treinamento válidos para um determinado tipo de treinamento.

get_status_from_type(t)

Parâmetros

Nome	Description
t Obrigatório

Sample_Weights_Unsupported

Nomes de algoritmo que devemos forçar a execução no modo threaded único.

Sample_Weights_Unsupported = {'ElasticNet', 'KNeighborsClassifier', 'KNeighborsRegressor', 'LassoLars'}

TIMEOUT_TAG

Nomes de algoritmos que não dão suporte a pesos de exemplo.

TIMEOUT_TAG = 'timeout'