ModelProxy Класс
Примечание
Это экспериментальный класс, который может быть изменен в любое время. Дополнительные сведения см. по адресу https://aka.ms/azuremlexperimental.
Прокси-объект для моделей AutoML, который разрешает вывод на удаленном ресурсе вычислений.
Создайте объект AutoML ModelProxy для отправки вывода в среду обучения.
- Наследование
-
builtins.objectModelProxy
Конструктор
ModelProxy(child_run, compute_target=None)
Параметры
- child_run
Дочерний запуск, из которого будет загружена модель.
- compute_target
Перезапись целевого вычисления для вывода.
Методы
forecast |
Отправка задания на выполнение прогноза для модели с заданными значениями. |
forecast_quantiles |
Отправка задания на выполнение forecast_quantiles для модели с заданными значениями. |
predict |
Отправка задания на выполнение предсказания для модели с заданными значениями. |
predict_proba |
Отправка задания на выполнение predict_proba для модели с заданными значениями. |
test |
Получение предсказаний из |
forecast
Отправка задания на выполнение прогноза для модели с заданными значениями.
forecast(X_values: Any, y_values: Any | None = None) -> Tuple[AbstractDataset, AbstractDataset]
Параметры
- X_values
- AbstractDataset или DataFrame или ndarray
Входные тестовые данные для выполнения прогноза.
- y_values
- AbstractDataset или DataFrame или ndarray
Входные значения y для выполнения прогноза.
Возвращаемое значение
Значения прогноза.
forecast_quantiles
Отправка задания на выполнение forecast_quantiles для модели с заданными значениями.
forecast_quantiles(X_values: Any, y_values: Any | None = None, forecast_destination: Any | None = None, ignore_data_errors: bool = False) -> AbstractDataset
Параметры
- y_values
Входные значения y для выполнения прогноза.
- forecast_destination
- <xref:pandas.Timestamp>
Forecast_destination: значение метки времени. Прогнозы будут выполнятся на протяжении всего времени forecast_destination для всех граней. Входные данные словаря {интервал времени -> метка времени} приниматься не будут. Если параметру forecast_destination значение не задано, будет применяться последнее время в X_pred для каждого интервала времени.
predict
Отправка задания на выполнение предсказания для модели с заданными значениями.
predict(values: Any) -> AbstractDataset
Параметры
- values
- AbstractDataset или DataFrame или ndarray
Входные тестовые данные для выполнения предсказания.
Возвращаемое значение
Предсказанные значения.
predict_proba
Отправка задания на выполнение predict_proba для модели с заданными значениями.
predict_proba(values: Any) -> AbstractDataset
Параметры
- values
- AbstractDataset или DataFrame или ndarray
Входные тестовые данные для выполнения предсказания.
Возвращаемое значение
Предсказанные значения.
test
Получение предсказаний из test_data
и вычисление соответствующих метрик.
test(test_data: AbstractDataset, include_predictions_only: bool = False) -> Tuple[AbstractDataset, Dict[str, Any]]
Параметры
- test_data
Проверочный набор данных.
- include_predictions_only
Следует ли включать предсказания только как часть выходных данных файла predictions.csv.
Если этот параметр имеет значение True
, столбцы выходных данных CSV выглядят следующим образом (прогнозирование будет таким же, как и регрессия):
Classification => [predicted values], [probabilities]
Regression => [predicted values]
иначе (по умолчанию):
Classification => [original test data labels], [predicted values], [probabilities], [features]
Regression => [original test data labels], [predicted values], [features]
Имя столбца [original test data labels]
= [label column name] + "_orig"
.
Имя столбца [predicted values]
= [label column name] + "_predicted"
.
Имена столбцов [probabilities]
= [class name] + "_predicted_proba"
.
Имена столбцов [features]
= [feature column name] + "_orig"
.
Если параметр test_data
не содержит целевой столбец, столбец [original test data labels]
будет отсутствовать в выходном кадре данных.
Возвращаемое значение
Кортеж, содержащий предсказанные значения и метрики.
Обратная связь
https://aka.ms/ContentUserFeedback.
Ожидается в ближайшее время: в течение 2024 года мы постепенно откажемся от GitHub Issues как механизма обратной связи для контента и заменим его новой системой обратной связи. Дополнительные сведения см. в разделеОтправить и просмотреть отзыв по