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.object

ModelProxy

Konstruktor

ModelProxy(child_run, compute_target=None)

Parameter

child_run

Diperlukan

Eksekusi anak dari mana model akan diunduh.

compute_target

Diperlukan

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 test_data lalu hitung metrik yang relevan.

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

Diperlukan

Masukkan data pengujian untuk menjalankan prakiraan.

y_values

AbstractDataset atau DataFrame atau ndarray

nilai default: None

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

X_values

AbstractDataset

Diperlukan

Masukkan data pengujian untuk menjalankan prakiraan.

y_values

nilai default: None

Masukkan nilai y untuk menjalankan prakiraan.

forecast_destination

<xref:pandas.Timestamp>

nilai default: None

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.

ignore_data_errors

bool

nilai default: False

Abaikan kesalahan dalam data pengguna.

predict

Kirimkan pekerjaan untuk menjalankan prakiraan pada model untuk nilai yang diberikan.

predict(values: Any) -> AbstractDataset

Parameter

values

AbstractDataset atau DataFrame atau ndarray

Diperlukan

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

Diperlukan

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

Diperlukan

Himpunan data pengujian.

include_predictions_only

nilai default: False

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.