datadrift Paket

Innehåller funktioner för att identifiera när modellträningsdata har drivits från dess bedömningsdata.

Inom maskininlärning är dataavvikelse den förändring av modellindata som leder till försämrad modellprestanda. Det är en av de främsta orsakerna till att modellens noggrannhet försämras över tid, vilket gör att övervakning av dataavvikelser hjälper till att identifiera prestandaproblem för modeller. Med det här paketet kan du identifiera och avisera om dataavvikelser.

Med DataDriftDetector klassen kan du konfigurera ett dataövervakarobjekt som sedan kan köras som ett jobb för att analysera dataavvikelser. Dataavvikelsejobb kan köras interaktivt eller aktiveras för att köras enligt ett schema. Du kan konfigurera aviseringar när dataavvikelser överskrider ett tröskelvärde med AlertConfiguration klassen.

Moduler

alert_configuration	Innehåller funktioner för att konfigurera aviseringar om dataavvikelser i Azure Machine Learning.
datadriftdetector	Innehåller grundläggande funktioner för att identifiera dataavvikelser mellan två datauppsättningar i Azure Machine Learning. Dataavvikelsen mäts via datauppsättningar eller distributioner och förlitar sig på API:et Dataset .

Klasser

AlertConfiguration	Representerar aviseringskonfiguration för dataavvikelsejobb. Klassen AlertConfiguration gör det möjligt att ange konfigurerbara aviseringar (till exempel e-post) för DataDriftDetector jobb. Aviseringskonfiguration kan anges när du använder någon av metoderna för att skapa i klassen DataDriftDetector. Konstruktören. Tillåter inställning av konfigurerbara aviseringar (till exempel e-post) för DataDriftDetector-jobb.
DataDriftDetector	Definierar en dataavvikelseövervakare som kan användas för att köra dataavvikelsejobb i Azure Machine Learning. Med klassen DataDriftDetector kan du identifiera avvikelse mellan en viss baslinje och måldatauppsättning. Ett DataDriftDetector-objekt skapas på en arbetsyta genom att antingen ange baslinje- och måldatauppsättningarna direkt. Mer information finns i https://aka.ms/datadrift. Datadriftdetector konstruktor. Konstruktorn DataDriftDetector används för att hämta en molnrepresentation av ett DataDriftDetector-objekt som är associerat med den angivna arbetsytan.
Metric	Representerar ett mått som returneras i en dataavvikelseanalys. Klassen Metric är endast avsedd för intern användning. Använd metoden för get_output ett DataDriftDetector objekt för att returnera mått. Måttkonstruktor.
ModelServingDataset	Representerar en datauppsättning som används internt när ett modellbaserat DataDriftDetector-objekt skapas. Med en modellbaserad DataDriftDetector kan du beräkna dataavvikelse mellan en modells träningsdatauppsättning och dess bedömningsdatauppsättning. Om du vill skapa en modellbaserad DataDriftDetector använder du <xref:azureml.datadrift.DataDriftDetector.create_from_model> metoden . Konstruktören.

Uppräkningar

MetricType

Definierar typer av mått som returneras i en dataavvikelseanalys. Använd metoden för get_output ett DataDriftDetector objekt för att returnera mått.