datadrift 包

包含了用于检测何时模型训练数据已偏离其评分数据的功能。

在机器学习中，数据偏移是指模型输入数据的变化，这会导致模型性能下降。 这是模型准确度在一段时间后下降的最主要原因之一，因此，监视数据偏移有助于检测模型性能问题。 使用此包可以检测数据偏移并发出警报。

使用 DataDriftDetector 类可以配置数据监视对象，然后该对象可以作为作业运行，以分析数据偏移。 数据偏移作业可以交互方式运行，也可以启用以按计划运行。 当数据偏移超过 AlertConfiguration 类的阈值时，可以设置警报。

模块

alert_configuration	包含在 Azure 机器学习中配置数据偏移警报的功能。
datadriftdetector	包含用于在 Azure 机器学习中检测两个数据集之间数据偏移的核心功能。 数据偏移通过数据集或部署来进行测量，并依赖于 Dataset API。

类

AlertConfiguration	表示数据偏移作业的警报配置。 AlertConfiguration 类允许对 DataDriftDetector 作业设置可配置的警报（例如电子邮件）。 使用 DataDriftDetector 类的其中一个创建方法时，可以指定警报配置。 构造函数。 允许在 DataDriftDetector 作业上设置可配置的警报 (，例如电子邮件) 。
DataDriftDetector	定义可用于在 Azure 机器学习中运行数据偏移作业的数据偏移监视器。 利用 DataDriftDetector 类，可以确定某个给定基线与目标数据集之间的偏移。 通过直接指定基线和目标数据集，在工作区中创建 DataDriftDetector 对象。 有关详细信息，请参阅 https://aka.ms/datadrift。 Datadriftdetector 构造函数。 DataDriftDetector 构造函数用于检索与提供的工作区关联的 DataDriftDetector 对象的云表示形式。
Metric	表示数据偏移分析中返回的指标。 Metric 类仅适用于内部使用。 使用 DataDriftDetector 对象的 get_output 方法返回指标。 指标构造函数。
ModelServingDataset	表示在创建基于模型的 DataDriftDetector 对象时在内部使用的数据集。 基于模型的 DataDriftDetector 可用于计算模型的训练数据集与它的评分数据集之间的数据偏移。 若要创建基于模型的 DataDriftDetector，请使用 <xref:azureml.datadrift.DataDriftDetector.create_from_model> 方法。 构造函数。

枚举

MetricType

定义数据偏移分析中返回的指标类型。 使用 DataDriftDetector 对象的 get_output 方法返回指标。