ModelProxy Klass

Anteckning

Det här är en experimentell klass och kan ändras när som helst. Mer information finns i https://aka.ms/azuremlexperimental.

Proxyobjekt för AutoML-modeller som möjliggör slutsatsdragning vid fjärrberäkning.

Skapa ett AutoML ModelProxy-objekt för att skicka slutsatsdragning till träningsmiljön.

Arv

builtins.object

ModelProxy

Konstruktor

ModelProxy(child_run, compute_target=None)

Parametrar

Name	Description
child_run Obligatorisk	Den underordnade körning som modellen laddas ned från.
compute_target Obligatorisk	Skriv över för den målberäkning som ska härledas.

Metoder

forecast	Skicka ett jobb för att köra prognos på modellen för de angivna värdena.
forecast_quantiles	Skicka ett jobb för att köra forecast_quantiles på modellen för de angivna värdena.
predict	Skicka ett jobb för att köra förutsägelse på modellen för de angivna värdena.
predict_proba	Skicka ett jobb för att köra predict_proba på modellen för de angivna värdena.
test	Hämta förutsägelser från test_data och beräkna relevanta mått.

forecast

Skicka ett jobb för att köra prognos på modellen för de angivna värdena.

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

Parametrar

Name	Description
X_values Obligatorisk	AbstractDataset eller DataFrame eller ndarray Mata in testdata som prognosen ska köras på.
y_values	AbstractDataset eller DataFrame eller ndarray Ange y-värden som prognosen ska köras på. Standardvärde: None

Returer

Typ	Description
	Prognosvärdena.

forecast_quantiles

Skicka ett jobb för att köra forecast_quantiles på modellen för de angivna värdena.

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

Parametrar

Name	Description
X_values Obligatorisk	AbstractDataset Mata in testdata som prognosen ska köras på.
y_values	Ange y-värden som prognosen ska köras på. Standardvärde: None
forecast_destination	<xref:pandas.Timestamp> Forecast_destination: ett tidsstämpelvärde. Prognoser kommer att göras hela vägen till forecast_destination tid, för alla korn. Ordlisteindata { grain -> tidsstämpel } accepteras inte. Om forecast_destination inte ges, kommer det att imputeras som den sista gången som inträffar i X_pred för varje korn. Standardvärde: None
ignore_data_errors	bool Ignorera fel i användardata. Standardvärde: False

predict

Skicka ett jobb för att köra förutsägelse på modellen för de angivna värdena.

predict(values: Any) -> AbstractDataset

Parametrar

Name	Description
values Obligatorisk	AbstractDataset eller DataFrame eller ndarray Indata för testdata som ska köras förutsägas.

Returer

Typ	Description
	De förutsagda värdena.

predict_proba

Skicka ett jobb för att köra predict_proba på modellen för de angivna värdena.

predict_proba(values: Any) -> AbstractDataset

Parametrar

Name	Description
values Obligatorisk	AbstractDataset eller DataFrame eller ndarray Indata för testdata som ska köras förutsägas.

Returer

Typ	Description
	De förutsagda värdena.

test

Hämta förutsägelser från test_data och beräkna relevanta mått.

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

Parametrar

Name	Description
test_data Obligatorisk	Testdatauppsättningen.
include_predictions_only	Om du bara vill inkludera förutsägelserna som en del av predictions.csv utdata. Om den här parametern är True ser CSV-utdatakolumnerna ut som (prognostisering är samma som regression): Classification => [predicted values], [probabilities] Regression => [predicted values] else (standard): Classification => [original test data labels], [predicted values], [probabilities], [features] Regression => [original test data labels], [predicted values], [features] Kolumnnamnet [original test data labels] = [label column name] + "_orig". Kolumnnamnet [predicted values] = [label column name] + "_predicted". Kolumnnamnen [probabilities] = [class name] + "_predicted_proba". Kolumnnamnen [features] = [feature column name] + "_orig". test_data Om inte innehåller en målkolumn [original test data labels] kommer den inte att finnas i utdataramen. Standardvärde: False

Returer

Typ	Description
	En tupplar som innehåller de förutsagda värdena och måtten.