AutoMLRun Kelas

Mewakili eksperimen ML otomatis yang dieksekusi di Azure Machine Learning.

Kelas AutoMLRun dapat digunakan untuk mengelola status eksekusi, periksa eksekusi, dan mengambil detail eksekusi setelah eksekusi AutoML dikirimkan. Untuk informasi selengkapnya tentang bekerja dengan eksperimen berjalan, lihat kelas Run.

Menginisialisasi eksekusi AutoML.

Warisan

Run

AutoMLRun

Konstruktor

AutoMLRun(experiment, run_id, **kwargs)

Parameter

experiment

Experiment

Diperlukan

Eksperimen yang terkait dengan eksekusi.

run_id

str

Diperlukan

ID eksekusi.

experiment

Experiment

Diperlukan

Eksperimen yang terkait dengan eksekusi.

run_id

str

Diperlukan

ID eksekusi.

Keterangan

Objek AutoMLRun dikembalikan saat Anda menggunakan metode submit dari eksperimen.

Untuk mengambil eksekusi yang telah dimulai, gunakan kode berikut:

   from azureml.train.automl.run import AutoMLRun
   ws = Workspace.from_config()
   experiment = ws.experiments['my-experiment-name']
   automl_run = AutoMLRun(experiment, run_id = 'AutoML_9fe201fe-89fd-41cc-905f-2f41a5a98883')

Metode

cancel	Batalkan eksekusi AutoML. Kembalikan True jika eksekusi AutoML berhasil dibatalkan.
cancel_iteration	Batalkan eksekusi turunan tertentu.
complete	Selesaikan Eksekusi AutoML.
continue_experiment	Lanjutkan eksperimen AutoML yang sudah ada.
fail	Gagalkan Eksekusi AutoML. Secara opsional, atur properti Error dari eksekusi dengan pesan atau pengecualian yang diteruskan ke error_details.
get_best_child	Kembalikan eksekusi turunan dengan skor terbaik untuk Eksekusi AutoML ini.
get_guardrails	Cetak dan kembalikan hasil terperinci dari menjalankan verifikasi Guardrail.
get_output	Kembalikan eksekusi dengan alur terbaik yang sesuai yang telah diuji. Jika tidak ada parameter input yang disediakan, get_output mengembalikan alur terbaik menurut metrik utama. Atau, Anda dapat menggunakan parameter iteration atau metric untuk mengambil perulangan tertentu atau eksekusi terbaik per metrik yang disediakan, masing-masing.
get_run_sdk_dependencies	Dapatkan dependensi eksekusi SDK untuk eksekusi tertentu.
pause	Kembalikan True jika eksekusi AutoML berhasil dihentikan sementara. Metode ini tidak diterapkan.
register_model	Daftarkan model dengan layanan AzureML ACI.
resume	Kembalikan True jika eksekusi AutoML berhasil dilanjutkan sementara. Metode ini tidak diterapkan.
retry	Kembalikan True jika proses AutoML berhasil dicoba kembali. Metode ini tidak diterapkan.
summary	Dapatkan tabel yang berisi ringkasan algoritma yang dicoba dan skornya.
wait_for_completion	Tunggu sampai eksekusi ini selesai. Menampilkan objek status setelah menunggu.

cancel

Batalkan eksekusi AutoML.

Kembalikan True jika eksekusi AutoML berhasil dibatalkan.

cancel()

Mengembalikan

Tidak ada

cancel_iteration

Batalkan eksekusi turunan tertentu.

cancel_iteration(iteration)

Parameter

iteration

int

Diperlukan

Perulangan untuk membatalkan.

Mengembalikan

Tidak ada

complete

Selesaikan Eksekusi AutoML.

complete(**kwargs)

Mengembalikan

Tidak ada

continue_experiment

Lanjutkan eksperimen AutoML yang sudah ada.

continue_experiment(X=None, y=None, sample_weight=None, X_valid=None, y_valid=None, sample_weight_valid=None, data=None, label=None, columns=None, cv_splits_indices=None, spark_context=None, experiment_timeout_hours=None, experiment_exit_score=None, iterations=None, show_output=False, training_data=None, validation_data=None, **kwargs)

Parameter

X

DataFrame atau ndarray atau <xref:azureml.dataprep.Dataflow>

nilai default: None

Fitur pelatihan.

y

DataFrame atau ndarray atau <xref:azureml.dataprep.Dataflow>

nilai default: None

Label pelatihan.

sample_weight

DataFrame atau ndarray atau <xref:azureml.dataprep.Dataflow>

nilai default: None

Sampel bobot untuk data pelatihan.

X_valid

DataFrame atau ndarray atau <xref:azureml.dataprep.Dataflow>

nilai default: None

Fitur validasi.

y_valid

DataFrame atau ndarray atau <xref:azureml.dataprep.Dataflow>

nilai default: None

Label validasi.

sample_weight_valid

DataFrame atau ndarray atau <xref:azureml.dataprep.Dataflow>

nilai default: None

bobot sampel set validasi.

data

DataFrame

nilai default: None

Fitur pelatihan dan label.

label

str

nilai default: None

Beri label kolom dalam data.

columns

list(str)

nilai default: None

Daftar kolom yang diizinkan dalam data untuk digunakan sebagai fitur.

cv_splits_indices

ndarray

nilai default: None

Indeks pemisahan data pelatihan untuk validasi silang. Setiap baris adalah lipatan silang yang terpisah dan dalam setiap lipatan silang, menyediakan 2 array, yang pertama dengan indeks untuk sampel yang akan digunakan untuk data pelatihan dan yang kedua dengan indeks yang akan digunakan untuk data validasi. yaitu [[t1, v1], [t2, v2], ...] di mana t1 adalah indeks pelatihan untuk lipatan silang pertama dan v1 adalah indeks validasi untuk lipatan silang pertama.

spark_context

<xref:SparkContext>

nilai default: None

Konteks spark, hanya berlaku saat digunakan di dalam lingkungan azure databricks/spark.

experiment_timeout_hours

float

nilai default: None

Berapa jam tambahan untuk menjalankan eksperimen ini.

experiment_exit_score

int

nilai default: None

Jika ditentukan, eksperimen dihentikan saat nilai ini tercapai.

iterations

int

nilai default: None

Berapa banyak perulangan tambahan yang harus dijalankan untuk eksperimen ini.

show_output

bool

nilai default: False

Bendera yang menunjukkan apakah akan mencetak output ke konsol.

training_data

<xref:azureml.dataprep.Dataflow> atau DataFrame

nilai default: None

Input data pelatihan.

validation_data

<xref:azureml.dataprep.Dataflow> atau DataFrame

nilai default: None

Data validasi.

Mengembalikan

Induk AutoML dijalankan.

Tipe hasil

AutoMLRun

Pengecualian

ConfigException

InvalidRunState

fail

Gagalkan Eksekusi AutoML.

Secara opsional, atur properti Error dari eksekusi dengan pesan atau pengecualian yang diteruskan ke error_details.

fail(error_details=None, error_code=None, _set_status=True, **kwargs)

Parameter

error_details

str atau BaseException

nilai default: None

Detail kesalahan opsional.

error_code

str

nilai default: None

Kode kesalahan opsional dari kesalahan untuk klasifikasi kesalahan.

_set_status

bool

nilai default: True

Menunjukkan apakah akan mengirim peristiwa status untuk pelacakan.

get_best_child

Kembalikan eksekusi turunan dengan skor terbaik untuk Eksekusi AutoML ini.

get_best_child(metric: str | None = None, onnx_compatible: bool = False, **kwargs: Any) -> Run

Parameter

metric

str

nilai default: None

Metrik yang digunakan saat memilih eksekusi terbaik untuk pengembalian. Default ke metrik utama.

onnx_compatible

nilai default: False

Apakah hanya mengembalikan eksekusi yang menghasilkan model onnx.

kwargs

Diperlukan

Mengembalikan

Eksekusi Turunan AutoML.

get_guardrails

Cetak dan kembalikan hasil terperinci dari menjalankan verifikasi Guardrail.

get_guardrails(to_console: bool = True) -> Dict[str, Any]

Parameter

to_console

bool

nilai default: True

Menunjukkan apakah akan menulis hasil verifikasi ke konsol.

Mengembalikan

Kamus hasil verifikator.

Tipe hasil

dict

Pengecualian

UserErrorException

get_output

Kembalikan eksekusi dengan alur terbaik yang sesuai yang telah diuji.

Jika tidak ada parameter input yang disediakan, get_output mengembalikan alur terbaik menurut metrik utama. Atau, Anda dapat menggunakan parameter iteration atau metric untuk mengambil perulangan tertentu atau eksekusi terbaik per metrik yang disediakan, masing-masing.

get_output(iteration: int | None = None, metric: str | None = None, return_onnx_model: bool = False, return_split_onnx_model: SplitOnnxModelName | None = None, **kwargs: Any) -> Tuple[Run, Any]

Parameter

iteration

int

nilai default: None

Nomor perulangan dari model yang dijalankan dan pas sesuai untuk dikembalikan.

metric

str

nilai default: None

Metrik yang akan digunakan saat memilih model yang dijalankan dan sangat sesuai untuk dikembalikan.

return_onnx_model

bool

nilai default: False

Metode ini akan menampilkan model ONNX yang dikonversi jika parameter enable_onnx_compatible_models diatur ke True di objek AutoMLConfig.

return_split_onnx_model

SplitOnnxModelName

nilai default: None

Jenis model split onnx yang akan ditampilkan

Mengembalikan

Eksekusi, model yang sesuai.

Tipe hasil

Run, <xref:Model>

Pengecualian

ConfigException

OnnxConvertException

NotFoundException

Keterangan

Jika Anda ingin memeriksa praprosesor dan algoritma (penaksir) yang digunakan, Anda dapat melakukannya melalui Model.steps, mirip dengan sklearn.pipeline.Pipeline.steps. Misalnya, kode di bawah ini menunjukkan cara mengambil penghitung.

   best_run, model = parent_run.get_output()
   estimator = model.steps[-1]

get_run_sdk_dependencies

Dapatkan dependensi eksekusi SDK untuk eksekusi tertentu.

get_run_sdk_dependencies(iteration=None, check_versions=True, **kwargs)

Parameter

iteration

int

nilai default: None

Nomor perulangan yang dijalankan untuk diambil. Jika None, ambil lingkungan induk.

check_versions

bool

nilai default: True

Jika True, periksa versi dengan lingkungan saat ini. Jika False, lewati.

Mengembalikan

Kamus dependensi diambil dari RunHistory.

Tipe hasil

dict

Pengecualian

ConfigException

pause

Kembalikan True jika eksekusi AutoML berhasil dihentikan sementara.

Metode ini tidak diterapkan.

pause()

Pengecualian

NotImplementedError

register_model

Daftarkan model dengan layanan AzureML ACI.

register_model(model_name=None, description=None, tags=None, iteration=None, metric=None)

Parameter

model_name

str

nilai default: None

Nama model yang disebarkan.

description

str

nilai default: None

Deskripsi untuk model yang sedang disebarkan.

tags

dict

nilai default: None

Tag untuk model yang sedang disebarkan.

iteration

int

nilai default: None

Ganti model mana yang akan disebarkan. Menyebarkan model untuk perulangan yang diberikan.

metric

str

nilai default: None

Ambil alih model mana yang disebarkan. Menyebarkan model terbaik untuk metrik berbeda.

Mengembalikan

Objek model terdaftar.

Tipe hasil

<xref:Model>

resume

Kembalikan True jika eksekusi AutoML berhasil dilanjutkan sementara.

Metode ini tidak diterapkan.

resume()

Pengecualian

NotImplementedError:

retry

Kembalikan True jika proses AutoML berhasil dicoba kembali.

Metode ini tidak diterapkan.

retry()

Pengecualian

NotImplementedError

summary

Dapatkan tabel yang berisi ringkasan algoritma yang dicoba dan skornya.

summary()

Mengembalikan

Pandas DataFrame berisi statistik model AutoML.

Tipe hasil

DataFrame

wait_for_completion

Tunggu sampai eksekusi ini selesai.

Menampilkan objek status setelah menunggu.

wait_for_completion(show_output=False, wait_post_processing=False)

Parameter

show_output

bool

nilai default: False

Menunjukkan apakah akan menampilkan output eksekusi pada sys.stdout.

wait_post_processing

bool

nilai default: False

Menunjukkan apakah akan menunggu pasca pemrosesan selesai setelah eksekusi selesai.

Mengembalikan

Objek status.

Tipe hasil

dict

Pengecualian

ExperimentExecutionException

Atribut

run_id

Kembalikan ID eksekusi dari eksekusi saat ini.

Mengembalikan

ID eksekusi dari eksekusi saat ini.

Tipe hasil

str