DataDriftDetector Osztály
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.objectDataDriftDetector
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
|
Az a munkaterület, amelyen létre szeretné hozni a DataDriftDetector objektumot. |
name
|
A DataDriftDetector objektum egyedi neve. alapértelmezett érték: None
|
baseline_dataset
|
Adatkészlet a céladatkészlet összehasonlításához. alapértelmezett érték: None
|
target_dataset
|
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
|
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
|
Az adatdriftészlelés futtatásához választható, engedélyezési listára sorolt funkciók. A DataDriftDetector-feladatok minden szolgáltatáson futni fognak, ha alapértelmezett érték: None
|
alert_config
|
A DataDriftDetector-riasztások opcionális konfigurációs objektuma. alapértelmezett érték: None
|
drift_threshold
|
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
|
Az adatok az adathalmazban való megjelenésének késleltetése órákban. alapértelmezett érték: None
|
workspace
Kötelező
|
Az a munkaterület, amelyen létre szeretné hozni a DataDriftDetector objektumot. |
name
Kötelező
|
A DataDriftDetector objektum egyedi neve. |
baseline_dataset
Kötelező
|
Adatkészlet a céladatkészlet összehasonlításához. |
target_dataset
Kötelező
|
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
|
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
|
Az adatdriftészlelés futtatásához választható, engedélyezési listára sorolt funkciók. A DataDriftDetector-feladatok minden szolgáltatáson futni fognak, ha |
alert_config
Kötelező
|
A DataDriftDetector-riasztások opcionális konfigurációs objektuma. |
drift_threshold
Kötelező
|
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
|
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 |
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 |
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
|
A visszatöltési feladat kezdő dátuma. |
end_date
Kötelező
|
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
|
Azt jelzi, hogy automatikusan létrejön-e egy Azure Machine Learning számítási cél. alapértelmezett érték: False
|
Válaszok
Típus | Description |
---|---|
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
|
A DataDriftDetector létrehozására alkalmas munkaterület. |
name
Kötelező
|
A DataDriftDetector objektum egyedi neve. |
baseline_dataset
Kötelező
|
Adatkészlet a céladatkészlet összehasonlításához. |
target_dataset
Kötelező
|
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
|
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
|
Választható engedélyezési listákban szereplő funkciók az adatdirift-észlelés futtatásához. A DataDriftDetector-feladatok minden szolgáltatáson futni fognak, ha alapértelmezett érték: None
|
alert_config
|
A DataDriftDetector-riasztások opcionális konfigurációs objektuma. alapértelmezett érték: None
|
drift_threshold
|
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
|
Késés órákban, hogy az adatok megjelenjenek az adathalmazban. alapértelmezett érték: None
|
Válaszok
Típus | Description |
---|---|
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
|
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
|
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
|
Azt jelzi, hogy automatikusan létrejön-e egy Azure Machine Learning számítási cél. alapértelmezett érték: False
|
wait_for_completion
|
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
|
A munkaterület, ahol a DataDriftDetector létrejött. |
name
Kötelező
|
A visszaadni kívánt DataDriftDetector objektum neve. |
Válaszok
Típus | Description |
---|---|
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 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 |
---|---|
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 adottstart_time
és/vagyend_time
(befogadó) azonosítót, miközbenrun_id
a Nincs érték marad.Ha
run_id
a ,start_time
ésend_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
|
A munkaterület, ahol a DataDriftDetector-objektumok létre lettek hozva. |
baseline_dataset
|
Alapterv adatkészlet a visszatérési lista szűréséhez. alapértelmezett érték: None
|
target_dataset
|
Céladatkészlet a visszatérési lista szűréséhez. alapértelmezett érték: None
|
Válaszok
Típus | Description |
---|---|
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
|
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
|
Azt jelzi, hogy automatikusan létrejön-e egy Azure Machine Learning számítási cél. alapértelmezett érték: False
|
feature_list
|
Választható engedélyezési listákban szereplő funkciók az adatdirift-észlelés futtatásához. alapértelmezett érték: None
|
drift_threshold
|
Nem kötelező küszöbérték a DataDriftDetector-riasztások engedélyezéséhez. alapértelmezett érték: None
|
Válaszok
Típus | Description |
---|---|
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 None
állíthatók, 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
|
A datadrift-észlelés futtatásának engedélyezési listára sorolt funkciói. alapértelmezett érték: Ellipsis
|
schedule_start
|
Az adateltolódási ütemezés kezdési időpontja (UTC). alapértelmezett érték: Ellipsis
|
alert_config
|
A DataDriftDetector-riasztások opcionális konfigurációs objektuma. alapértelmezett érték: Ellipsis
|
drift_threshold
|
A DataDriftDetector-riasztások engedélyezésének küszöbértéke. alapértelmezett érték: Ellipsis
|
wait_for_completion
|
Várjon-e, amíg befejeződnek az engedélyezési/letiltási/törlési műveletek. alapértelmezett érték: True
|
Válaszok
Típus | Description |
---|---|
Önálló |
Attribútumok
alert_config
Kérje le a DataDriftDetector objektum riasztáskonfigurációját.
Válaszok
Típus | Description |
---|---|
AlertConfiguration objektum. |
baseline_dataset
Kérje le a DataDriftDetector objektumhoz társított alapkonfigurációs adatkészletet.
Válaszok
Típus | Description |
---|---|
Az alapadatkészlet adathalmaztípusa. |
compute_target
Kérje le a DataDriftDetector objektumhoz csatolt számítási célt.
Válaszok
Típus | Description |
---|---|
A számítási cél. |
drift_threshold
Kérje le a DataDriftDetector objektum eltérési küszöbértékét.
Válaszok
Típus | Description |
---|---|
A sodródási küszöbérték. |
drift_type
A DataDriftDetector típusának lekérése: a DatasetBased az egyetlen támogatott érték.
Válaszok
Típus | Description |
---|---|
A DataDriftDetector objektum típusa. |
enabled
Kérje le a logikai értéket, amely jelzi, hogy a DataDriftDetector objektum engedélyezve van-e.
Válaszok
Típus | Description |
---|---|
Logikai érték; Engedélyezve van. |
feature_list
Szerezze be a DataDriftDetector objektum engedélyezési listára sorolt funkcióinak listáját.
Válaszok
Típus | Description |
---|---|
A szolgáltatásnevek listája. |
frequency
A DataDriftDetector ütemezés gyakoriságának lekérése.
Válaszok
Típus | Description |
---|---|
"Nap", "Hét" vagy "Hónap" karakterlánc |
interval
Kérje le a DataDriftDetector ütemezés időközét.
Válaszok
Típus | Description |
---|---|
Az időegység egész száma. |
latency
Kérje le a DataDriftDetector ütemezési feladatainak késését (órákban).
Válaszok
Típus | Description |
---|---|
A késést jelző órák száma. |
name
Kérje le a DataDriftDetector objektum nevét.
Válaszok
Típus | Description |
---|---|
A DataDriftDetector neve. |
schedule_start
Az ütemezés kezdési időpontjának lekérése.
Válaszok
Típus | Description |
---|---|
Az ütemezés kezdési időpontjának datetime objektuma UTC-ben. |
state
A DataDriftDetector ütemezés állapotát jelöli.
Válaszok
Típus | Description |
---|---|
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 |
---|---|
Az alapadatkészlet adathalmaztípusa. |
workspace
Kérje le a DataDriftDetector objektum munkaterületét.
Válaszok
Típus | Description |
---|---|
A DataDriftDetector objektumot létrehozó munkaterület. |
Visszajelzés
https://aka.ms/ContentUserFeedback.
Hamarosan elérhető: 2024-ben fokozatosan kivezetjük a GitHub-problémákat a tartalom visszajelzési mechanizmusaként, és lecseréljük egy új visszajelzési rendszerre. További információ:Visszajelzés küldése és megtekintése a következőhöz: