ModelProxy Classe

Nota

Esta é uma classe experimental e pode mudar em qualquer altura. Para obter mais informações, veja https://aka.ms/azuremlexperimental.

Objeto proxy para modelos de AutoML que permite a inferência na computação remota.

Crie um objeto ModelProxy de AutoML para submeter inferência ao ambiente de preparação.

Herança

builtins.object

ModelProxy

Construtor

ModelProxy(child_run, compute_target=None)

Parâmetros

Name	Description
child_run Necessário	A execução subordinada a partir da qual o modelo será transferido.
compute_target Necessário	Substitua a computação de destino pela inferência.

Métodos

forecast	Submeta uma tarefa para executar a previsão no modelo para os valores especificados.
forecast_quantiles	Submeta uma tarefa para executar forecast_quantiles no modelo para os valores especificados.
predict	Submeta uma tarefa para executar a previsão no modelo para os valores especificados.
predict_proba	Submeta uma tarefa para executar predict_proba no modelo para os valores especificados.
test	Obtenha predições das test_data métricas relevantes e de computação.

forecast

Submeta uma tarefa para executar a previsão no modelo para os valores especificados.

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

Parâmetros

Name	Description
X_values Necessário	AbstractDataset ou DataFrame ou ndarray Dados de teste de entrada para executar a previsão.
y_values	AbstractDataset ou DataFrame ou ndarray Introduza os valores y para executar a previsão. Default value: None

Devoluções

Tipo	Description
	Os valores de previsão.

forecast_quantiles

Submeta uma tarefa para executar forecast_quantiles no modelo para os valores especificados.

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

Parâmetros

Name	Description
X_values Necessário	AbstractDataset Dados de teste de entrada para executar a previsão.
y_values	Introduza os valores y para executar a previsão. Default value: None
forecast_destination	<xref:pandas.Timestamp> Forecast_destination: um valor de carimbo de data/hora. As previsões serão feitas até ao forecast_destination tempo, para todos os grãos. A entrada do dicionário { grain -> carimbo de data/hora } não será aceite. Se forecast_destination não for dada, será imputada como a última vez que ocorrer em X_pred para cada grão. Default value: None
ignore_data_errors	bool Ignorar erros nos dados do utilizador. Default value: False

predict

Submeta uma tarefa para executar a previsão no modelo para os valores especificados.

predict(values: Any) -> AbstractDataset

Parâmetros

Name	Description
values Necessário	AbstractDataset ou DataFrame ou ndarray Dados de teste de entrada em que a execução é prevista.

Devoluções

Tipo	Description
	Os valores previstos.

predict_proba

Submeta uma tarefa para executar predict_proba no modelo para os valores especificados.

predict_proba(values: Any) -> AbstractDataset

Parâmetros

Name	Description
values Necessário	AbstractDataset ou DataFrame ou ndarray Dados de teste de entrada em que a execução é prevista.

Devoluções

Tipo	Description
	Os valores previstos.

test

Obtenha predições das test_data métricas relevantes e de computação.

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

Parâmetros

Name	Description
test_data Necessário	O conjunto de dados de teste.
include_predictions_only	Quer inclua ou não apenas as predições como parte da saída do predictions.csv. Se este parâmetro for True , as colunas CSV de saída têm o mesmo aspeto (a previsão é a mesma que a regressão): Classification => [predicted values], [probabilities] Regression => [predicted values] else (predefinição): Classification => [original test data labels], [predicted values], [probabilities], [features] Regression => [original test data labels], [predicted values], [features] O nome da [original test data labels] coluna = [label column name] + "_orig". O nome da [predicted values] coluna = [label column name] + "_predicted". Os nomes das [probabilities] colunas = [class name] + "_predicted_proba". Os nomes das [features] colunas = [feature column name] + "_orig". Se não test_data incluir uma coluna de destino, [original test data labels] não estará no dataframe de saída. Default value: False

Devoluções

Tipo	Description
	Uma cadeia de identificação que contém os valores previstos e as métricas.