Поделиться через

ModelProxy Класс

  • Ссылка

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.object
ModelProxy

Конструктор

ModelProxy(child_run, compute_target=None)

Параметры

child_run
Обязательно

Дочерний запуск, из которого будет загружена модель.

compute_target
Обязательно

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 test_data и вычисление соответствующих метрик.

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
Обязательно

Входные тестовые данные для выполнения прогноза.

y_values
AbstractDataset или DataFrame или ndarray
значение по умолчанию: None

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

X_values
AbstractDataset
Обязательно

Входные тестовые данные для выполнения прогноза.

y_values
значение по умолчанию: None

Входные значения y для выполнения прогноза.

forecast_destination
<xref:pandas.Timestamp>
значение по умолчанию: None

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.

ignore_data_errors
bool
значение по умолчанию: False

Пропуск ошибок в данных пользователя.

predict

Отправка задания на выполнение предсказания для модели с заданными значениями.

predict(values: Any) -> AbstractDataset

Параметры

values
AbstractDataset или DataFrame или ndarray
Обязательно

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
Обязательно

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
Обязательно

Проверочный набор данных.

include_predictions_only
значение по умолчанию: False

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.