DataDriftDetector Osztály

Referencia

Adateltolódás-figyelőt definiál, amely adateltolódási feladatok futtatására használható az Azure Machine Learningben.

A DataDriftDetector osztály lehetővé teszi az adott alapkonfiguráció és a céladatkészlet közötti eltérés azonosítását. A DataDriftDetector objektum egy munkaterületen jön létre az alapkonfiguráció és a céladatkészletek közvetlen megadásával. További információ: https://aka.ms/datadrift.

Datadriftdetector konstruktor.

A DataDriftDetector konstruktor a megadott munkaterülethez társított DataDriftDetector-objektum felhőbeli ábrázolásának lekérésére szolgál.

Öröklődés: builtins.object

DataDriftDetector

Konstruktor

DataDriftDetector(workspace, name=None, baseline_dataset=None, target_dataset=None, compute_target=None, frequency=None, feature_list=None, alert_config=None, drift_threshold=None, latency=None)

Paraméterek

Name	Description
workspace Kötelező	Workspace Az a munkaterület, amelyen létre szeretné hozni a DataDriftDetector objektumot.
name	str A DataDriftDetector objektum egyedi neve. alapértelmezett érték: None
baseline_dataset	TabularDataset Adatkészlet a céladatkészlet összehasonlításához. alapértelmezett érték: None
target_dataset	TabularDataset Adatkészlet az adhoc vagy az ütemezett DataDrift-feladatok futtatásához. Idősornak kell lennie. alapértelmezett érték: None
compute_target	ComputeTarget vagy str Választható Azure Machine Learning ComputeTarget- vagy ComputeTarget-név. A DataDriftDetector létrehoz egy számítási célt, ha nincs megadva. alapértelmezett érték: None
frequency	str Nem kötelező gyakoriság, amely azt jelzi, hogy a folyamat milyen gyakran fut. Támogatja a "Day", a "Week" vagy a "Month" (Hónap) elemet. alapértelmezett érték: None
feature_list	list[str] Az adatdriftészlelés futtatásához választható, engedélyezési listára sorolt funkciók. A DataDriftDetector-feladatok minden szolgáltatáson futni fognak, ha `feature_list` nincs megadva. A funkciólista tartalmazhat karaktereket, számokat, kötőjeleket és szóközöket. A lista hosszának 200-nál rövidebbnek kell lennie. alapértelmezett érték: None
alert_config	AlertConfiguration A DataDriftDetector-riasztások opcionális konfigurációs objektuma. alapértelmezett érték: None
drift_threshold	float Nem kötelező küszöbérték a DataDriftDetector-riasztások engedélyezéséhez. Az értéknek 0 és 1 között kell lennie. Ha nincs megadva (ez az alapértelmezett érték), a rendszer 0,2 értéket használ. alapértelmezett érték: None
latency	int Az adatok az adathalmazban való megjelenésének késleltetése órákban. alapértelmezett érték: None
workspace Kötelező	Workspace Az a munkaterület, amelyen létre szeretné hozni a DataDriftDetector objektumot.
name Kötelező	str A DataDriftDetector objektum egyedi neve.
baseline_dataset Kötelező	TabularDataset Adatkészlet a céladatkészlet összehasonlításához.
target_dataset Kötelező	TabularDataset Adatkészlet az adhoc vagy az ütemezett DataDrift-feladatok futtatásához. Idősornak kell lennie.
compute_target Kötelező	ComputeTarget vagy str Választható Azure Machine Learning ComputeTarget- vagy ComputeTarget-név. A DataDriftDetector létrehoz egy számítási célt, ha nincs megadva.
frequency Kötelező	str Nem kötelező gyakoriság, amely azt jelzi, hogy a folyamat milyen gyakran fut. Támogatja a "Day", a "Week" vagy a "Month" (Hónap) elemet.
feature_list Kötelező	list[str] Az adatdriftészlelés futtatásához választható, engedélyezési listára sorolt funkciók. A DataDriftDetector-feladatok minden szolgáltatáson futni fognak, ha `feature_list` nincs megadva. A funkciólista tartalmazhat karaktereket, számokat, kötőjeleket és szóközöket. A lista hosszának 200-nál rövidebbnek kell lennie.
alert_config Kötelező	AlertConfiguration A DataDriftDetector-riasztások opcionális konfigurációs objektuma.
drift_threshold Kötelező	float Nem kötelező küszöbérték a DataDriftDetector-riasztások engedélyezéséhez. Az értéknek 0 és 1 között kell lennie. Ha nincs megadva (ez az alapértelmezett érték), a rendszer 0,2 értéket használ.
latency Kötelező	int Az adatok az adathalmazban való megjelenésének késleltetése órákban.

Megjegyzések

A DataDriftDetector objektum egy adateltolódási feladatdefiníciót jelöl, amely három feladatfuttatási típus futtatására használható:

adhoc run egy adott napi adatelemzéshez; lásd a metódustrun.
ütemezett futtatás egy folyamatban; lásd a metódust enable_schedule .
egy visszatöltési futtatás annak megtekintéséhez, hogy az adatok hogyan változnak az idő múlásával; lásd a metódust backfill .

A DataDriftDetector létrehozásának tipikus mintája a következő:

Adathalmaz-alapú DataDriftDetector-objektum létrehozásához használja a create_from_datasets

Az alábbi példa bemutatja, hogyan hozhat létre adathalmaz-alapú DataDriftDetector objektumot.


   from azureml.datadrift import DataDriftDetector, AlertConfiguration

   alert_config = AlertConfiguration(['user@contoso.com']) # replace with your email to recieve alerts from the scheduled pipeline after enabling

   monitor = DataDriftDetector.create_from_datasets(ws, 'weather-monitor', baseline, target,
                                                         compute_target='cpu-cluster',         # compute target for scheduled pipeline and backfills
                                                         frequency='Week',                     # how often to analyze target data
                                                         feature_list=None,                    # list of features to detect drift on
                                                         drift_threshold=None,                 # threshold from 0 to 1 for email alerting
                                                         latency=0,                            # SLA in hours for target data to arrive in the dataset
                                                         alert_config=alert_config)            # email addresses to send alert

A teljes minta a következő forrásból érhető el: https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/work-with-data/datadrift-tutorial/datadrift-tutorial.ipynb

A DataDriftDetector konstruktor lekéri a munkaterülethez társított meglévő adateltérési objektumot.

Metódusok

backfill	Futtasson egy backfill feladatot egy megadott kezdési és befejezési dátumon keresztül. Az adateltolódás-visszatöltési futtatások részleteiért lásd https://aka.ms/datadrift . MEGJEGYZÉS: A backfill csak adathalmaz-alapú DataDriftDetector-objektumokon támogatott.
create_from_datasets	Hozzon létre egy új DataDriftDetector objektumot egy alapkonfigurációs táblázatos adatkészletből és egy cél idősorozat-adatkészletből.
delete	Törölje a DataDriftDetector objektum ütemezését.
disable_schedule	Tiltsa le a DataDriftDetector objektum ütemezését.
enable_schedule	Hozzon létre egy ütemezést az adathalmaz-alapú DataDriftDetector-feladat futtatásához.
get_by_name	Egy adott munkaterülethez és névhez tartozó egyedi DataDriftDetector objektum lekérése.
get_output	Lekérheti egy adott DataDriftDetector eltérési eredményeit és metrikáit egy adott időkereten belül.
list	Kérje le a megadott munkaterület DataDriftDetector-objektumainak listáját és a választható adatkészleteket. MEGJEGYZÉS: Ha csak a paramétert adja meg, az `workspace` a munkaterületen definiált összes DataDriftDetector objektumot visszaadja.
run	Futtasson egyetlen időponthoz kötött adateltolódás-elemzést.
show	Adateltolódási trend megjelenítése adott időtartományban. Alapértelmezés szerint ez a metódus a legutóbbi 10 ciklust jeleníti meg. Ha például a gyakoriság nap, akkor a legutóbbi 10 nap lesz. Ha a gyakoriság hét, akkor ez lesz a legutóbbi 10 hét.
update	Frissítse a DataDriftDetector objektumhoz társított ütemezést. A választható paraméterértékek a értékre `None`állíthatók, ellenkező esetben alapértelmezés szerint a meglévő értékekre.

backfill

Futtasson egy backfill feladatot egy megadott kezdési és befejezési dátumon keresztül.

Az adateltolódás-visszatöltési futtatások részleteiért lásd https://aka.ms/datadrift .

MEGJEGYZÉS: A backfill csak adathalmaz-alapú DataDriftDetector-objektumokon támogatott.

backfill(start_date, end_date, compute_target=None, create_compute_target=False)

Paraméterek

Name	Description
start_date Kötelező	datetime A visszatöltési feladat kezdő dátuma.
end_date Kötelező	datetime A backfill feladat befejezési dátuma, beleértve a következőt: .
compute_target	ComputeTarget vagy str Választható Azure Machine Learning ComputeTarget- vagy ComputeTarget-név. A DataDriftDetector létrehoz egy számítási célt, ha nincs megadva. alapértelmezett érték: None
create_compute_target	bool Azt jelzi, hogy automatikusan létrejön-e egy Azure Machine Learning számítási cél. alapértelmezett érték: False

Válaszok

Típus	Description
Run	Futtassa a DataDriftDetector parancsot.

create_from_datasets

Hozzon létre egy új DataDriftDetector objektumot egy alapkonfigurációs táblázatos adatkészletből és egy cél idősorozat-adatkészletből.

static create_from_datasets(workspace, name, baseline_dataset, target_dataset, compute_target=None, frequency=None, feature_list=None, alert_config=None, drift_threshold=None, latency=None)

Paraméterek

Name	Description
workspace Kötelező	Workspace A DataDriftDetector létrehozására alkalmas munkaterület.
name Kötelező	str A DataDriftDetector objektum egyedi neve.
baseline_dataset Kötelező	TabularDataset Adatkészlet a céladatkészlet összehasonlításához.
target_dataset Kötelező	TabularDataset Adatkészlet az adhoc vagy az ütemezett DataDrift-feladatok futtatásához. Idősornak kell lennie.
compute_target	ComputeTarget vagy str Választható Azure Machine Learning ComputeTarget- vagy ComputeTarget-név. A DataDriftDetector létrehoz egy számítási célt, ha nincs megadva. alapértelmezett érték: None
frequency	str Nem kötelező gyakoriság, amely azt jelzi, hogy a folyamat milyen gyakran fut. Támogatja a "Day", a "Week" vagy a "Month" elemet. alapértelmezett érték: None
feature_list	list[str] Választható engedélyezési listákban szereplő funkciók az adatdirift-észlelés futtatásához. A DataDriftDetector-feladatok minden szolgáltatáson futni fognak, ha `feature_list` nincs megadva. A funkciólista tartalmazhat karaktereket, számokat, kötőjeleket és szóközöket. A lista hosszának 200-nál kisebbnek kell lennie. alapértelmezett érték: None
alert_config	AlertConfiguration A DataDriftDetector-riasztások opcionális konfigurációs objektuma. alapértelmezett érték: None
drift_threshold	float Nem kötelező küszöbérték a DataDriftDetector-riasztások engedélyezéséhez. Az értéknek 0 és 1 között kell lennie. Ha nincs megadva (ez az alapértelmezett érték), a rendszer 0,2 értéket használ. alapértelmezett érték: None
latency	int Késés órákban, hogy az adatok megjelenjenek az adathalmazban. alapértelmezett érték: None

Válaszok

Típus	Description
DataDriftDetector	Egy DataDriftDetector objektum.

Kivételek

Típus	Description
<xref:KeyError>, <xref:TypeError>, <xref:ValueError>

Megjegyzések

Az adathalmaz-alapú DataDriftDetectors lehetővé teszi az adateltolódás kiszámítását egy alapkonfigurációs adatkészlet között, amelynek egy TabularDataset, és egy céladatkészletnek kell lennie, amelynek idősorozat-adathalmaznak kell lennie. Az idősor-adatkészletek egyszerűen egy TabularDataset fine_grain_timestamp tulajdonsággal rendelkeznek. A DataDriftDetector ezután adhoc vagy ütemezett feladatokat futtatva megállapíthatja, hogy a céladatkészlet eltolódott-e az alapkonfiguráció adatkészletétől.


   from azureml.core import Workspace, Dataset
   from azureml.datadrift import DataDriftDetector

   ws = Workspace.from_config()
   baseline = Dataset.get_by_name(ws, 'my_baseline_dataset')
   target = Dataset.get_by_name(ws, 'my_target_dataset')

   detector = DataDriftDetector.create_from_datasets(workspace=ws,
                                                     name="my_unique_detector_name",
                                                     baseline_dataset=baseline,
                                                     target_dataset=target,
                                                     compute_target_name='my_compute_target',
                                                     frequency="Day",
                                                     feature_list=['my_feature_1', 'my_feature_2'],
                                                     alert_config=AlertConfiguration(email_addresses=['user@contoso.com']),
                                                     drift_threshold=0.3,
                                                     latency=1)

delete

Törölje a DataDriftDetector objektum ütemezését.

delete(wait_for_completion=True)

Paraméterek

Name	Description
wait_for_completion	bool Várjon-e, amíg a törlési művelet befejeződik. alapértelmezett érték: True

disable_schedule

Tiltsa le a DataDriftDetector objektum ütemezését.

disable_schedule(wait_for_completion=True)

Paraméterek

Name	Description
wait_for_completion	bool Várjon-e, amíg a letiltási művelet befejeződik. alapértelmezett érték: True

enable_schedule

Hozzon létre egy ütemezést az adathalmaz-alapú DataDriftDetector-feladat futtatásához.

enable_schedule(create_compute_target=False, wait_for_completion=True)

Paraméterek

Name	Description
create_compute_target	bool Azt jelzi, hogy automatikusan létrejön-e egy Azure Machine Learning számítási cél. alapértelmezett érték: False
wait_for_completion	bool Várjon-e, amíg az engedélyezési művelet befejeződik. alapértelmezett érték: True

get_by_name

Egy adott munkaterülethez és névhez tartozó egyedi DataDriftDetector objektum lekérése.

static get_by_name(workspace, name)

Paraméterek

Name	Description
workspace Kötelező	Workspace A munkaterület, ahol a DataDriftDetector létrejött.
name Kötelező	str A visszaadni kívánt DataDriftDetector objektum neve.

Válaszok

Típus	Description
DataDriftDetector	Egy DataDriftDetector objektum.

get_output

Lekérheti egy adott DataDriftDetector eltérési eredményeit és metrikáit egy adott időkereten belül.

get_output(start_time=None, end_time=None, run_id=None)

Paraméterek

Name	Description
start_time	datetime, <xref:optional> Az eredmények ablakának kezdési időpontja (UTC). Ha a Nincs (alapértelmezett) érték van megadva, akkor a rendszer a legutóbbi 10. ciklus eredményeit használja a kezdési időpontként. Ha például az adateltolódás ütemezésének gyakorisága nap, akkor `start_time` 10 nap. Ha a gyakoriság hét, akkor `start_time` 10 hét. alapértelmezett érték: None
end_time	datetime, <xref:optional> Az eredmények ablakának befejezési időpontja (UTC). Ha a Nincs (alapértelmezett) érték van megadva, akkor az aktuális nap (UTC) lesz a befejezési időpont. alapértelmezett érték: None
run_id	int, <xref:optional> Egy adott futtatási azonosító. alapértelmezett érték: None

Válaszok

Típus	Description
tuple(list, list)	Az eltérési eredmények listájának rekordja, valamint az egyes adathalmazok és oszlopos metrikák listája.

Megjegyzések

Ez a metódus egy időablak vagy futtatási azonosító eltérési eredményeit és metrikáit adja vissza a futtatás típusa alapján: adhoc-futtatás , ütemezett futtatás és visszatöltési futtatás alapján.

Az adhoc-futtatási eredmények lekéréséhez csak egy módon lehet érvényes run_id GUID azonosítót megadni.
Az ütemezett futtatások és a visszatöltési futtatások eredményeinek lekéréséhez kétféleképpen lehet érvényes GUID-t hozzárendelni run_id , vagy hozzárendelni egy adott start_time és/vagy end_time (befogadó) azonosítót, miközben run_id a Nincs érték marad.
Ha run_ida , start_timeés end_time nem Nincs ugyanabban a metódushívásban, paraméterérvényesítési kivétel keletkezik.

MEGJEGYZÉS: Adja meg a start_time és end_time a paramétert vagy a run_id paramétert, de mindkettőt nem.

Előfordulhat, hogy ugyanahhoz a céldátumhoz több eredmény is van (a céldátum az adathalmaz-alapú eltérés céladatkészlet kezdő dátumát jelenti). Ezért szükség van az ismétlődő eredmények azonosítására és kezelésére. Adathalmaz-alapú eltérés esetén, ha az eredmények ugyanarra a céldátumra irányulnak, akkor duplikált eredmények. A get_output metódus egyetlen szabály alapján deduplikálja a duplikált eredményeket: mindig a legújabban létrehozott eredményeket veszi fel.

A get_output metódussal lekérhető az ütemezett futtatások összes kimenete vagy részleges kimenete a és end_time (határ) közötti start_time adott időtartományban. Az egyes adhocok eredményeit az érték megadásával is korlátozhatja run_id.

A metódusból visszaadott eredmények értelmezéséhez használja az get_output alábbi irányelveket:

A szűrés alapelve az "átfedés": ha átfedés van a tényleges eredményidő (adathalmaz-alapú: céladatkészlet [kezdő dátum, záró dátum]) és a megadott [start_time, end_time]) között, akkor a rendszer felveszi az eredményt.
Ha egy céldátumhoz több kimenet is tartozik, mert az eltérés kiszámítását többször is végrehajtották az adott naphoz képest, akkor alapértelmezés szerint csak a legújabb kimenet lesz kiválasztva.
Mivel az adateltolódási példánynak több típusa is van, az eredmény tartalma különböző lehet.

Adathalmaz-alapú eredmények esetén a kimenet a következőképpen fog kinézni:


   results : [{'drift_type': 'DatasetBased',
               'result':[{'has_drift': True, 'drift_threshold': 0.3,
                          'start_date': '2019-04-03', 'end_date': '2019-04-04',
                          'base_dataset_id': '4ac144ef-c86d-4c81-b7e5-ea6bbcd2dc7d',
                          'target_dataset_id': '13445141-aaaa-bbbb-cccc-ea23542bcaf9'}]}]
   metrics : [{'drift_type': 'DatasetBased',
               'metrics': [{'schema_version': '0.1',
                            'start_date': '2019-04-03', 'end_date': '2019-04-04',
                            'baseline_dataset_id': '4ac144ef-c86d-4c81-b7e5-ea6bbcd2dc7d',
                            'target_dataset_id': '13445141-aaaa-bbbb-cccc-ea23542bcaf9'
                            'dataset_metrics': [{'name': 'datadrift_coefficient', 'value': 0.53459}],
                            'column_metrics': [{'feature1': [{'name': 'datadrift_contribution',
                                                              'value': 288.0},
                                                             {'name': 'wasserstein_distance',
                                                              'value': 4.858040000000001},
                                                             {'name': 'energy_distance',
                                                              'value': 2.7204799576545313}]}]}]}]

list

Kérje le a megadott munkaterület DataDriftDetector-objektumainak listáját és a választható adatkészleteket.

MEGJEGYZÉS: Ha csak a paramétert adja meg, az workspace a munkaterületen definiált összes DataDriftDetector objektumot visszaadja.

static list(workspace, baseline_dataset=None, target_dataset=None)

Paraméterek

Name	Description
workspace Kötelező	Workspace A munkaterület, ahol a DataDriftDetector-objektumok létre lettek hozva.
baseline_dataset	TabularDataset Alapterv adatkészlet a visszatérési lista szűréséhez. alapértelmezett érték: None
target_dataset	TabularDataset Céladatkészlet a visszatérési lista szűréséhez. alapértelmezett érték: None

Válaszok

Típus	Description
list[DataDriftDetector]	A DataDriftDetector objektumok listája.

run

Futtasson egyetlen időponthoz kötött adateltolódás-elemzést.

run(target_date, compute_target=None, create_compute_target=False, feature_list=None, drift_threshold=None)

Paraméterek

Name	Description
target_date Kötelező	datetime Az adatok pontozásának céldátuma UTC-ben.
compute_target	ComputeTarget vagy str Választható Azure Machine Learning ComputeTarget- vagy ComputeTarget-név. Ha nincs megadva, a számítási cél automatikusan létrejön. alapértelmezett érték: None
create_compute_target	bool Azt jelzi, hogy automatikusan létrejön-e egy Azure Machine Learning számítási cél. alapértelmezett érték: False
feature_list	list[str] Választható engedélyezési listákban szereplő funkciók az adatdirift-észlelés futtatásához. alapértelmezett érték: None
drift_threshold	float Nem kötelező küszöbérték a DataDriftDetector-riasztások engedélyezéséhez. alapértelmezett érték: None

Válaszok

Típus	Description
Run	Futtassa a DataDriftDetector parancsot.

show

Adateltolódási trend megjelenítése adott időtartományban.

Alapértelmezés szerint ez a metódus a legutóbbi 10 ciklust jeleníti meg. Ha például a gyakoriság nap, akkor a legutóbbi 10 nap lesz. Ha a gyakoriság hét, akkor ez lesz a legutóbbi 10 hét.

show(start_time=None, end_time=None)

Paraméterek

Name	Description
start_time	datetime, <xref:optional> A bemutató időablakának kezdete (UTC). Az alapértelmezett Nincs érték azt jelenti, hogy a legutóbbi 10. ciklus eredményeit veszi fel. alapértelmezett érték: None
end_time	datetime, <xref:optional> A bemutató adatidejének vége UTC-ben. Az alapértelmezett Nincs érték az aktuális napot jelenti. alapértelmezett érték: None

Válaszok

Típus	Description
dict()	Az összes szám szótára. A kulcs service_name.

update

Frissítse a DataDriftDetector objektumhoz társított ütemezést.

A választható paraméterértékek a értékre Noneállíthatók, ellenkező esetben alapértelmezés szerint a meglévő értékekre.

update(compute_target=Ellipsis, feature_list=Ellipsis, schedule_start=Ellipsis, alert_config=Ellipsis, drift_threshold=Ellipsis, wait_for_completion=True)

Paraméterek

Name	Description
compute_target	ComputeTarget vagy str Választható Azure Machine Learning ComputeTarget- vagy ComputeTarget-név. A DataDriftDetector létrehoz egy számítási célt, ha nincs megadva ez a paraméter. alapértelmezett érték: Ellipsis
feature_list	list[str] A datadrift-észlelés futtatásának engedélyezési listára sorolt funkciói. alapértelmezett érték: Ellipsis
schedule_start	datetime Az adateltolódási ütemezés kezdési időpontja (UTC). alapértelmezett érték: Ellipsis
alert_config	AlertConfiguration A DataDriftDetector-riasztások opcionális konfigurációs objektuma. alapértelmezett érték: Ellipsis
drift_threshold	float A DataDriftDetector-riasztások engedélyezésének küszöbértéke. alapértelmezett érték: Ellipsis
wait_for_completion	bool Várjon-e, amíg befejeződnek az engedélyezési/letiltási/törlési műveletek. alapértelmezett érték: True

Válaszok

Típus	Description
DataDriftDetector	Önálló

Attribútumok

alert_config

Kérje le a DataDriftDetector objektum riasztáskonfigurációját.

Válaszok

Típus	Description
AlertConfiguration	AlertConfiguration objektum.

baseline_dataset

Kérje le a DataDriftDetector objektumhoz társított alapkonfigurációs adatkészletet.

Válaszok

Típus	Description
TabularDataset	Az alapadatkészlet adathalmaztípusa.

compute_target

Kérje le a DataDriftDetector objektumhoz csatolt számítási célt.

Válaszok

Típus	Description
ComputeTarget	A számítási cél.

drift_threshold

Kérje le a DataDriftDetector objektum eltérési küszöbértékét.

Válaszok

Típus	Description
float	A sodródási küszöbérték.

drift_type

A DataDriftDetector típusának lekérése: a DatasetBased az egyetlen támogatott érték.

Válaszok

Típus	Description
str	A DataDriftDetector objektum típusa.

enabled

Kérje le a logikai értéket, amely jelzi, hogy a DataDriftDetector objektum engedélyezve van-e.

Válaszok

Típus	Description
bool	Logikai érték; Engedélyezve van.

feature_list

Szerezze be a DataDriftDetector objektum engedélyezési listára sorolt funkcióinak listáját.

Válaszok

Típus	Description
list[str]	A szolgáltatásnevek listája.

frequency

A DataDriftDetector ütemezés gyakoriságának lekérése.

Válaszok

Típus	Description
str	"Nap", "Hét" vagy "Hónap" karakterlánc

interval

Kérje le a DataDriftDetector ütemezés időközét.

Válaszok

Típus	Description
int	Az időegység egész száma.

latency

Kérje le a DataDriftDetector ütemezési feladatainak késését (órákban).

Válaszok

Típus	Description
int	A késést jelző órák száma.

name

Kérje le a DataDriftDetector objektum nevét.

Válaszok

Típus	Description
str	A DataDriftDetector neve.

schedule_start

Az ütemezés kezdési időpontjának lekérése.

Válaszok

Típus	Description
datetime	Az ütemezés kezdési időpontjának datetime objektuma UTC-ben.

state

A DataDriftDetector ütemezés állapotát jelöli.

Válaszok

Típus	Description
str	Az egyik a "Disabled", "Enabled", "Deleted", "Disabling", "Enableing", "Törlés", "Failed", "DisableFailed", "EnableFailed", "DeleteFailed".

target_dataset

Kérje le a DataDriftDetector objektumhoz társított céladatkészletet.

Válaszok

Típus	Description
TabularDataset	Az alapadatkészlet adathalmaztípusa.

workspace

Kérje le a DataDriftDetector objektum munkaterületét.

Válaszok

Típus	Description
Workspace	A DataDriftDetector objektumot létrehozó munkaterület.

Share via

DataDriftDetector Osztály

Konstruktor

Paraméterek

Megjegyzések

Metódusok

backfill

Paraméterek

Válaszok

create_from_datasets

Paraméterek

Válaszok

Kivételek

Megjegyzések

delete

Paraméterek

disable_schedule

Paraméterek

enable_schedule

Paraméterek

get_by_name

Paraméterek

Válaszok

get_output

Paraméterek

Válaszok

Megjegyzések

list

Paraméterek

Válaszok

run

Paraméterek

Válaszok

show

Paraméterek

Válaszok

update

Paraméterek

Válaszok

Attribútumok

alert_config

Válaszok

baseline_dataset

Válaszok

compute_target

Válaszok

drift_threshold

Válaszok

drift_type

Válaszok

enabled

Válaszok

feature_list

Válaszok

frequency

Válaszok

interval

Válaszok

latency

Válaszok

name

Válaszok

schedule_start

Válaszok

state

Válaszok

target_dataset

Válaszok

workspace

Válaszok

Visszajelzés

Visszajelzés

További források