dataset_utilities Module
Méthodes utilitaires pour l’interaction avec azureml.core.DataSet.
Fonctions
collect_usage_telemetry
collect_usage_telemetry(compute: Any, spark_context: Any, **kwargs: Any) -> None
Paramètres
- compute
- spark_context
convert_inputs
Convertir les jeux de données donnés en définitions pouvant être suivies.
convert_inputs(X: Any, y: Any, sample_weight: Any, X_valid: Any, y_valid: Any, sample_weight_valid: Any) -> Tuple[Any, Any, Any, Any, Any, Any]
Paramètres
- X
jeu de données représentant X
- y
jeu de données représentant y
- sample_weight
jeu de données représentant la pondération de l’échantillon
- X_valid
jeu de données représentant X_valid
- y_valid
jeu de données représentant y_valid
- sample_weight_valid
jeu de données représentant la pondération de l’échantillon de validation
convert_inputs_dataset
Convertir les jeux de données donnés en définitions pouvant être suivies.
convert_inputs_dataset(*datasets: Any) -> Tuple[Any, ...]
Paramètres
- datasets
jeux de données à convertir en définitions pouvant être suivies
ensure_saved
ensure_saved(workspace: Workspace, **kwargs: Any) -> None
Paramètres
- workspace
get_dataset_from_mltable_data_json
Obtenir le jeu de données du JSON de données MLTable
get_dataset_from_mltable_data_json(ws: Workspace, mltable_data_json_obj: Dict[str, Any], data_label: MLTableDataLabel) -> AbstractDataset | None
Paramètres
- ws
espace de travail auprès duquel obtenir le jeu de données
- mltable_data_json_obj
objet JSON de données mltable
- data_label
étiquette indiquant le jeu de données à charger depuis le JSON de données mltable
get_datasets_from_data_json
Obtenir des jeux de données depuis le JSON de données qui peut être un JSON de données MLTable (avec un URI) ou un JSON Dataprep (avec un ID de jeu de données)
get_datasets_from_data_json(ws: Workspace, data_preparation_json: Dict[str, Any], data_labels: List[MLTableDataLabel]) -> Tuple[AbstractDataset | None, AbstractDataset | None, AbstractDataset | None]
Paramètres
- ws
espace de travail auprès duquel obtenir le jeu de données
- data_preparation_json
objet JSON de données
- data_labels
liste d’étiquettes indiquant le jeu de données à charger depuis le JSON de données
get_datasets_from_dataprep_json
Obtenir un jeu de données depuis le JSON Dataprep (avec un ID de jeu de données)
get_datasets_from_dataprep_json(ws: Workspace, dataprep_json: Dict[str, Any], data_labels: List[MLTableDataLabel]) -> Tuple[AbstractDataset | None, AbstractDataset | None, AbstractDataset | None]
Paramètres
- ws
espace de travail auprès duquel obtenir le jeu de données
- data_preparation_json
objet JSON de données
- data_labels
liste d’étiquettes indiquant le jeu de données à charger depuis le JSON de données
- dataprep_json
get_datasets_from_mltable_data_json
Obtenir des jeux de données à partir du JSON de données MLTable (avec un URI)
get_datasets_from_mltable_data_json(ws: Workspace, mltable_data_json_obj: Dict[str, Any], data_labels: List[MLTableDataLabel]) -> Tuple[AbstractDataset | None, AbstractDataset | None, AbstractDataset | None]
Paramètres
- ws
espace de travail auprès duquel obtenir le jeu de données
- data_preparation_json
objet JSON de données
- data_labels
liste d’étiquettes indiquant le jeu de données à charger depuis le JSON de données
- mltable_data_json_obj
get_datasets_json
Obtenir dataprep JSON.
get_datasets_json(training_data: Any | None = None, validation_data: Any | None = None, test_data: Any | None = None) -> str | None
Paramètres
Retours
Représentation sous forme de chaîne JSON d’un dictionnaire de jeux de données
is_dataset
Vérifier si l’objet donné est un jeu de données ou une définition de jeu de données.
is_dataset(dataset: Any) -> bool
Paramètres
- dataset
objet à vérifier
Commentaires
https://aka.ms/ContentUserFeedback.
Bientôt disponible : tout au long de 2024, nous allons éliminer progressivement GitHub Issues comme mécanisme de commentaires pour le contenu et le remplacer par un nouveau système de commentaires. Pour plus d'informations, consultez :Envoyer et afficher des commentaires pour