constants 模块

定义 Azure 机器学习中使用的自动化 ML 常数。

类

API	定义可执行的 Azure 机器学习 API 操作的名称。
AcquisitionFunction	定义用于选择下一管道的所有采集函数的名称。 默认为 EI（预期改进）。
AggregationFunctions	定义数值列的聚合函数。
AutoMLDefaultTimeouts	用于存储默认超时的常数
AutoMLJson	定义由自动化 ML 创建的 JSON 的常量。
AutoMLValidation	定义 Azure 机器学习中使用的自动化 ML 常数。
CheckImbalance	如果少数类中样本与多数类中样本的比率等于或低于此阈值，则数据集中将检测到不平衡。
ClientErrors	定义违反用户指定的开销约束时可能发生的客户端错误。
DatetimeDtype	定义支持的日期/时间数据类型。 名称对应于 pandas.api.types.infer_dtype() 的输出。
Defaults	定义管道的默认值。
EnsembleConstants	定义用于 Ensemble 迭代的常数。
EnsembleMethod	定义集成方法。
FeatureSweeping	定义特征扫描的常数。
FitPipelineComponentName	FitPipeline 组件名称的常量。
HyperparameterSweepingConstants	定义与超参数校准相关的常数。
IterationTimeout	定义 per_iteration_timeout 的更改方式。
LearnerColumns	定义用于学习器管道的所有列。
LegacyModelNames	定义自动化 ML 中 Miro 推荐器支持的所有模型的名称。 这些名称仍用于引用 Miro 数据库中的对象，但不由任何自动化 ML 客户端使用。
MLFlowLiterals	与 MLFlow 相关的常量。
MLTableLiterals	定义 Azure 机器学习中使用的自动化 ML 常数。
Metric	定义分类和回归支持的所有指标。
MetricExtrasConstants	定义置信区间的内部值
MetricObjective	定义从指标到其对象的映射。 目标为最大化或最小化（回归和分类）。
ModelCategories	定义模型的类别。
ModelClassNames	定义模型的类名。 这些是管道规范中的模型包装类名称。
ModelName	定义包含客户、旧版和类名称的模型名称。
ModelNameMappings	定义模型名称映射。
ModelParameters	定义特定于特定模型的参数名称。 例如，若要指示数据集中的哪些特征是分类的，LightGBM 模型接受“categorical_feature”参数，而 CatBoost 模型接受“cat_features”参数。
NumericalDtype	定义受支持的数值数据类型。 名称对应于 pandas.api.types.infer_dtype() 的输出。
Optimizer	定义使用的管道预测算法的类别。 “random”通过随机选择管道来提供基线 “lvm”使用潜在变量模型来基于先前管道的性能预测可能的后续管道。
OptimizerObjectives	定义算法相对于指标可以具有的 nthe 目标。 某些指标应最大化，某些应最小化。
PipelineCost	定义成本模型模式。 COST_NONE 会返回所有预测管道 COST_FILTER 仅返回成本模型预测的管道，以满足用户指定的成本条件 COST_SCALE 将采集函数得分除以预测时间
PipelineMaskProfiles	定义管道的掩码配置文件。
PipelineParameterConstraintCheckStatus	定义用于指示管道是否有效的值。
PreprocessorCategories	定义预处理器的类别。
RuleBasedValidation	定义基于规则的验证设置的常量。
RunState	定义运行可处于的状态。
ServerStatus	定义服务器状态值。
ShortSeriesHandlingValues	定义 ShortSeriesHandling 配置的可能值。
Status	定义可能的子运行状态。
SubsamplingSchedule	定义子采样策略。
SubsamplingTreatment	定义 GP 中的子采样处理。
Subtasks	定义子任务的名称。
SupportedCategoricals	定义 _set_dataset_categoricals 类型中支持的分类学习器：
SupportedInputDatatypes	AutoML 支持的不同运行类型的输入数据类型。
SupportedModelNames	定义支持的模型，其中每个模型都有客户名称、旧模型名称和模型类名。
SupportedModels	定义 Azure 机器学习的自动化 ML 所支持的算法的面向客户名称。
Tasks	定义自动化 ML 支持的机器学习任务的类型。
TelemetryConstants	定义遥测常数。
TextOrCategoricalDtype	定义支持的分类数据类型。
TimeConstraintEnforcement	时间限制执行模式的枚举。
TimeSeries	定义用于时序的参数。
TimeSeriesInternal	定义非面向用户的 TimeSeries 常量。
TimeSeriesWebLinks	定义时序文档的 Web 链接。
TrainingResultsType	定义运行器类的潜在结果。
TrainingType	定义验证方法。 不同的试验类型将使用不同的验证方法。
Transformers	定义用于数据处理的转换器。
ValidationLimitRule	定义验证规则。

枚举

ErrorLinks	用于存储修正错误的链接的常数。
ImageTask	可用的图像任务类型。
MLTableDataLabel	枚举。

函数

get_metric_from_type

获取给定训练类型的有效指标。

get_metric_from_type(t)

参数

t

get_status_from_type

获取给定训练类型的有效训练状态。

get_status_from_type(t)

参数

t