ModelProxy Kelas
Catatan
Ini adalah kelas eksperimental, dan dapat berubah kapan saja. Lihat https://aka.ms/azuremlexperimental untuk mengetahui informasi selengkapnya.
Objek proksi untuk model AutoML yang memungkinkan inferensi pada komputasi jarak jauh.
Buat objek AutoML ModelProxy untuk mengirimkan inferensi ke lingkungan pelatihan.
- Warisan
-
builtins.objectModelProxy
Konstruktor
ModelProxy(child_run, compute_target=None)
Parameter
- child_run
Eksekusi anak dari mana model akan diunduh.
- compute_target
Timpa komputasi target ke inferensi.
Metode
forecast |
Kirimkan pekerjaan untuk menjalankan prakiraan pada model untuk nilai yang diberikan. |
forecast_quantiles |
Kirimkan pekerjaan untuk menjalankan prakiraan pada model untuk nilai yang diberikan. |
predict |
Kirimkan pekerjaan untuk menjalankan prakiraan pada model untuk nilai yang diberikan. |
predict_proba |
Kirimkan pekerjaan untuk menjalankan prakiraan pada model untuk nilai yang diberikan. |
test |
Ambil prediksi dari |
forecast
Kirimkan pekerjaan untuk menjalankan prakiraan pada model untuk nilai yang diberikan.
forecast(X_values: Any, y_values: Any | None = None) -> Tuple[AbstractDataset, AbstractDataset]
Parameter
- X_values
- AbstractDataset atau DataFrame atau ndarray
Masukkan data pengujian untuk menjalankan prakiraan.
- y_values
- AbstractDataset atau DataFrame atau ndarray
Masukkan nilai y untuk menjalankan prakiraan.
Mengembalikan
Nilai prakiraan.
forecast_quantiles
Kirimkan pekerjaan untuk menjalankan prakiraan pada model untuk nilai yang diberikan.
forecast_quantiles(X_values: Any, y_values: Any | None = None, forecast_destination: Any | None = None, ignore_data_errors: bool = False) -> AbstractDataset
Parameter
- y_values
Masukkan nilai y untuk menjalankan prakiraan.
- forecast_destination
- <xref:pandas.Timestamp>
Forecast_destination: nilai stempel waktu. Prakiraan akan dibuat sampai ke waktu forecast_destination, untuk semua grain. Input kamus { grain -> stempel waktu } tidak akan diterima. Jika forecast_destination tidak diberikan, itu akan diperhitungkan sebagai yang terakhir kali terjadi dalam X_pred untuk setiap grain.
predict
Kirimkan pekerjaan untuk menjalankan prakiraan pada model untuk nilai yang diberikan.
predict(values: Any) -> AbstractDataset
Parameter
- values
- AbstractDataset atau DataFrame atau ndarray
Masukkan data pengujian untuk menjalankan prediksi.
Mengembalikan
Nilai-nilai yang diprediksi.
predict_proba
Kirimkan pekerjaan untuk menjalankan prakiraan pada model untuk nilai yang diberikan.
predict_proba(values: Any) -> AbstractDataset
Parameter
- values
- AbstractDataset atau DataFrame atau ndarray
Masukkan data pengujian untuk menjalankan prediksi.
Mengembalikan
Nilai-nilai yang diprediksi.
test
Ambil prediksi dari test_data
lalu hitung metrik yang relevan.
test(test_data: AbstractDataset, include_predictions_only: bool = False) -> Tuple[AbstractDataset, Dict[str, Any]]
Parameter
- test_data
Himpunan data pengujian.
- include_predictions_only
Apakah hanya memasukkan prediksi sebagai bagian dari output predictions.csv atau tidak.
Jika parameter ini adalah True
, kolom CSV output akan terlihat seperti (prakiraan sama dengan regresi):
Classification => [predicted values], [probabilities]
Regression => [predicted values]
yang lain (default):
Classification => [original test data labels], [predicted values], [probabilities], [features]
Regression => [original test data labels], [predicted values], [features]
Nama [original test data labels]
kolom = [label column name] + "_orig"
.
Nama [predicted values]
kolom = [label column name] + "_predicted"
.
Nama kolom [probabilities]
= [class name] + "_predicted_proba"
.
Nama kolom [features]
= [feature column name] + "_orig"
.
Jika test_data
tidak menyertakan kolom target, [original test data labels]
tidak akan berada di dataframe output.
Mengembalikan
Tuple yang berisi nilai yang diprediksi serta metrik.
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk