ModelProxy Osztály

Megjegyzés

Ez egy kísérleti osztály, és bármikor változhat. További információ: https://aka.ms/azuremlexperimental.

Proxyobjektum az AutoML-modellekhez, amely lehetővé teszi a következtetést a távoli számításban.

Hozzon létre egy AutoML ModelProxy objektumot, amely következtetést küld a betanítási környezetbe.

Öröklődés

builtins.object

ModelProxy

Konstruktor

ModelProxy(child_run, compute_target=None)

Paraméterek

child_run

Kötelező

A gyermekfuttatás, amelyből a modell le lesz töltve.

compute_target

Kötelező

Írja felül a célszámítást a következtetéshez.

Metódusok

forecast	Küldjön be egy feladatot az előrejelzés futtatásához a modellen az adott értékekhez.
forecast_quantiles	Küldjön be egy feladatot, hogy forecast_quantiles futtasson a modellen az adott értékekhez.
predict	Küldjön be egy feladatot, amely futtatja az előrejelzést a modellen az adott értékekhez.
predict_proba	Küldjön be egy feladatot, hogy predict_proba futtasson a modellen az adott értékekhez.
test	Előrejelzések lekérése a és a test_data kapcsolódó metrikákból.

forecast

Küldjön be egy feladatot az előrejelzés futtatásához a modellen az adott értékekhez.

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

Paraméterek

X_values

AbstractDataset vagy DataFrame vagy ndarray

Kötelező

Bemeneti tesztadatok az előrejelzés futtatásához.

y_values

AbstractDataset vagy DataFrame vagy ndarray

alapértelmezett érték: None

Adja meg az y értékeket az előrejelzés futtatásához.

Válaszok

Az előrejelzési értékek.

forecast_quantiles

Küldjön be egy feladatot, hogy forecast_quantiles futtasson a modellen az adott értékekhez.

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

Paraméterek

X_values

AbstractDataset

Kötelező

Bemeneti tesztadatok az előrejelzés futtatásához.

y_values

alapértelmezett érték: None

Adja meg az y értékeket az előrejelzés futtatásához.

forecast_destination

<xref:pandas.Timestamp>

alapértelmezett érték: None

Forecast_destination: időbélyeg-érték. Az előrejelzések egészen a forecast_destination időpontig készülnek, az összes szemre vonatkozóan. A(z) { grain -> timestamp } szótárbemenet nem fogadható el. Ha forecast_destination nincs megadva, akkor azt a X_pred minden gabona esetében az utolsó alkalommal számítjuk fel.

ignore_data_errors

bool

alapértelmezett érték: False

A felhasználói adatok hibáinak figyelmen kívül hagyása.

predict

Küldjön be egy feladatot, amely futtatja az előrejelzést a modellen az adott értékekhez.

predict(values: Any) -> AbstractDataset

Paraméterek

values

AbstractDataset vagy DataFrame vagy ndarray

Kötelező

Bemeneti tesztadatok a prediktív futtatáshoz.

Válaszok

Az előrejelzett értékek.

predict_proba

Küldjön be egy feladatot, hogy predict_proba futtasson a modellen az adott értékekhez.

predict_proba(values: Any) -> AbstractDataset

Paraméterek

values

AbstractDataset vagy DataFrame vagy ndarray

Kötelező

Bemeneti tesztadatok a prediktív futtatáshoz.

Válaszok

Az előrejelzett értékek.

test

Előrejelzések lekérése a és a test_data kapcsolódó metrikákból.

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

Paraméterek

test_data

Kötelező

A tesztadatkészlet.

include_predictions_only

alapértelmezett érték: False

Azt jelzi, hogy az előrejelzéseket csak a predictions.csv kimenet részeként adja-e hozzá.

Ha ez a paraméter, True akkor a kimeneti CSV-oszlopok a következőképpen néznek ki (az előrejelzés megegyezik a regresszióval):

Classification => [predicted values], [probabilities]

Regression => [predicted values]

else (alapértelmezett):

Classification => [original test data labels], [predicted values], [probabilities], [features]

Regression => [original test data labels], [predicted values], [features]

Az [original test data labels] oszlop neve = [label column name] + "_orig".

Az [predicted values] oszlop neve = [label column name] + "_predicted".

Az [probabilities] oszlopnevek = [class name] + "_predicted_proba".

Az [features] oszlopnevek = [feature column name] + "_orig".

Ha a test_data nem tartalmaz céloszlopot, akkor [original test data labels] nem lesz a kimeneti adatkeretben.

Válaszok

Az előrejelzett értékeket és a metrikákat tartalmazó rekord.