反馈

AzureMLForecastPipeline 类

  • 参考

用于预测的 Azure 机器学习包的管道类。

封装 sklearn 管道，并公开执行管道步骤和检索执行指标的方法。

sklearn.pipeline.Pipeline：http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html

继承
builtins.object
AzureMLForecastPipeline

构造函数

AzureMLForecastPipeline(steps=None, **kwargs)

参数

steps
list
默认值: None

链接的（名称、转换器/估算器）元组（实现拟合/转换）的列表，按链接的顺序。 转换器必须是 AzureMLForecastTransformerBase 的子类

方法

add_pipeline_step

添加管道步骤。

在管道末尾追加新步骤，或者如果预置设置为 True，则在开头预置新步骤。
execute_pipeline_op

基于指定的执行类型执行管道。

  1. 使用 {fit*} 执行类型调用此方法将导致：

    1. 在除最后估算器步骤外的所有步骤上调用拟合方法

    b. 在最后估算器步骤上调用与 execution_type 同名的方法

  2. 使用 {predict*} 执行类型调用此方法将导致：

    1. 在除最后估算器步骤外的所有步骤上调用转换方法

    b. 在最后估算器步骤上调用与 execution_type 同名的方法
fit

拟合转换器，然后运行 fit。

依次拟合所有转换，并转换数据，然后使用最终估算器来拟合转换后的数据。 当 y 为 None 且 X 为 TimeSeriesDataFrame 时，将 x 的 ts_vallue_colname 列用作目标列。

sklearn.pipeline.Pipeline.fit: http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#sklearn.pipeline.Pipeline.fit
fit_predict

拟合转换器，然后运行 fit_predict。

将管道的 fit_transforms 应用于数据，后接管道中最后估算器的 fit_predict 方法。 仅当最终估计器实现 fit_predict 时才有效。 当 y 为 None 且 X 为 TimeSeriesDataFrame 时，将 x 的 ts_vallue_colname 列用作目标列。

sklearn.pipeline.Pipeline.fit_predict: http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#sklearn.pipeline.Pipeline .fit_predict
fit_transform

拟合转换器，然后运行 fit_transform。

依次拟合所有转换，并转换数据，然后在转换后的数据上应用最终估算器的 fit_transform 方法。 当 y 为 None 且 X 为 TimeSeriesDataFrame 时，将 x 的 ts_vallue_colname 列用作目标列。

sklearn.pipeline.Pipeline.fit_transform: http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#sklearn.pipeline.Pipeline .fit_transform
get_params

获取管道参数。

sklearn.pipeline.Pipeline.get_params: http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#sklearn.pipeline.Pipeline .get_params
get_pipeline_params

获取管道参数。
get_pipeline_step

按名称返回管道步骤对象。
predict

对数据应用转换，然后使用最终估算器进行预测。

sklearn.pipeline.Pipeline.predict: http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#sklearn.pipeline.Pipeline .predict
remove_pipeline_step

从管道中删除现有步骤。
set_pipeline_params

在管道中设置转换器和估算器的参数。

sklearn.pipeline.Pipeline.set_params: http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#sklearn.pipeline.Pipeline .set_params
transform

对输入数据应用所有步骤的转换。
validate_pipeline

验证管道步骤名称。

检查管道中的转换器和估算器是否实现了所需的拟合和转换方法。

add_pipeline_step

添加管道步骤。

在管道末尾追加新步骤，或者如果预置设置为 True，则在开头预置新步骤。

add_pipeline_step(name, step, prepend=False)

参数

name
str
必需

新步骤的名称。

step

<xref:<xref:azureml.automl.runtime.featurizer.transformer. timeseries.forecasting_base_estimator.AzureMLForecastTransformerBase>>

必需

要添加到管道的新步骤（转换器或估算器）。 估算器只有在管道还不包含估算器时才能添加。

prepend
bool
默认值: False

如果为 True，则在管道的开头插入新步骤。 否则，在管道的末尾追加新步骤。

返回

无

execute_pipeline_op

基于指定的执行类型执行管道。

  1. 使用 {fit*} 执行类型调用此方法将导致：

    1. 在除最后估算器步骤外的所有步骤上调用拟合方法

    b. 在最后估算器步骤上调用与 execution_type 同名的方法

  2. 使用 {predict*} 执行类型调用此方法将导致：

    1. 在除最后估算器步骤外的所有步骤上调用转换方法

    b. 在最后估算器步骤上调用与 execution_type 同名的方法

execute_pipeline_op(execution_type, X, y=None, **fit_params)

参数

execution_type
AzureMLForecastPipelineExecutionType
必需

要执行的管道操作。 支持 sklearn 管道的大多数操作。

X
TimeSeriesDataFrame
必需

输入用于训练、预测或转换的数据，具体取决于执行类型。

y
<xref:Iterable>
默认值: None

模型训练或评分的目标值。

返回

合适的管道、转换的数据、预测结果或评分结果，具体取决于 execution_type

fit

拟合转换器，然后运行 fit。

依次拟合所有转换，并转换数据，然后使用最终估算器来拟合转换后的数据。 当 y 为 None 且 X 为 TimeSeriesDataFrame 时，将 x 的 ts_vallue_colname 列用作目标列。

sklearn.pipeline.Pipeline.fit: http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#sklearn.pipeline.Pipeline.fit

fit(X, y=None, **fit_params)

参数

X
TimeSeriesDataFrame
必需

训练数据。 必须满足管道第一步的输入要求。

y
<xref:Iterable>
默认值: None

训练目标。 必须满足管道的所有步骤的标签要求。

返回

拟合的管道。

返回类型

AzureMLForecastPipeline

fit_predict

拟合转换器，然后运行 fit_predict。

将管道的 fit_transforms 应用于数据，后接管道中最后估算器的 fit_predict 方法。 仅当最终估计器实现 fit_predict 时才有效。 当 y 为 None 且 X 为 TimeSeriesDataFrame 时，将 x 的 ts_vallue_colname 列用作目标列。

sklearn.pipeline.Pipeline.fit_predict: http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#sklearn.pipeline.Pipeline .fit_predict

fit_predict(X, y=None, **fit_params)

参数

X
TimeSeriesDataFrame
必需

训练数据。 必须满足管道第一步的输入要求。

y
<xref:Iterable>
默认值: None

训练目标。 必须满足管道的所有步骤的标签要求。 default=None。

返回

对训练数据的预测结果。

fit_transform

拟合转换器，然后运行 fit_transform。

依次拟合所有转换，并转换数据，然后在转换后的数据上应用最终估算器的 fit_transform 方法。 当 y 为 None 且 X 为 TimeSeriesDataFrame 时，将 x 的 ts_vallue_colname 列用作目标列。

sklearn.pipeline.Pipeline.fit_transform: http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#sklearn.pipeline.Pipeline .fit_transform

fit_transform(X, y=None, **fit_params)

参数

X
TimeSeriesDataFrame
必需

训练数据。 必须满足管道第一步的输入要求。

y
<xref:Iterable>
默认值: None

训练目标。 必须满足管道的所有步骤的标签要求。

返回

转换后的示例。

返回类型

TimeSeriesDataFrame

get_params

获取管道参数。

sklearn.pipeline.Pipeline.get_params: http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#sklearn.pipeline.Pipeline .get_params

get_params(deep=True)

参数

deep
bool
默认值: True

如果为 True，则返回转换器/估算器的参数和包含的子对象（即转换器/估算器）。

返回

映射到其值的参数名称。

返回类型

<xref:<xref:mapping of string to any>>

get_pipeline_params

获取管道参数。

get_pipeline_params(deep=True)

参数

deep
bool
默认值: True

如果为 True，则返回转换器/估算器的参数和包含的子对象（即转换器/估算器）。

返回

映射到其值的参数名称。

get_pipeline_step

按名称返回管道步骤对象。

get_pipeline_step(name)

参数

name
str
必需

要返回的步骤的名称。

返回

对应给定步骤名称的步骤对象。

predict

对数据应用转换，然后使用最终估算器进行预测。

sklearn.pipeline.Pipeline.predict: http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#sklearn.pipeline.Pipeline .predict

predict(X, **predict_params)

参数

X
TimeSeriesDataFrame
必需

要预测的数据。 必须满足管道第一步的输入要求。

返回

对输入数据的预测结果。

remove_pipeline_step

从管道中删除现有步骤。

remove_pipeline_step(name)

参数

name
str
必需

要删除的步骤的名称。

返回

无

set_pipeline_params

在管道中设置转换器和估算器的参数。

sklearn.pipeline.Pipeline.set_params: http://scikit-learn.org/stable/modules/generated/sklearn.pipeline.Pipeline.html#sklearn.pipeline.Pipeline .set_params

set_pipeline_params(**kwargs)

transform

对输入数据应用所有步骤的转换。

transform(X)

参数

X
TimeSeriesDataFrame
必需

要转换的数据。 必须满足管道第一步的输入要求。

返回

转换后的数据。

返回类型

TimeSeriesDataFrame

validate_pipeline

验证管道步骤名称。

检查管道中的转换器和估算器是否实现了所需的拟合和转换方法。

validate_pipeline()