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.

Warisan

builtins.object

ModelProxy

Konstruktor

ModelProxy(child_run, compute_target=None)

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: Optional[Any] = None) -> Tuple[azureml.data.abstract_dataset.AbstractDataset, azureml.data.abstract_dataset.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: Optional[Any] = None, forecast_destination: Optional[Any] = None, ignore_data_errors: bool = False) -> azureml.data.abstract_dataset.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) -> azureml.data.abstract_dataset.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) -> azureml.data.abstract_dataset.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: azureml.data.abstract_dataset.AbstractDataset, include_predictions_only: bool = False) -> Tuple[azureml.data.abstract_dataset.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.