shared 包

标准 AutoML 模块的初始化。 此包由 Jasmine 存储库中的 AutoML 组件直接导入。

模块

cache_store	automl 缓存存储的类。
catindicators_utilities	数据集 categoricals 的实用工具。
execution_context	保留执行上下文类。
file_dataset_cache	包含基于 FileDataset 的缓存实现的模块，该缓存用于在运行之间保存 automl 数据。
forecast_model_wrapper_base	标准 AutoML 模块的初始化。 此包由 Jasmine 存储库中的 AutoML 组件直接导入。
forecasting_models	模块，其中包含用于简单预测模型（Naive、SeasonalNaive、Average、SeasonalAverage）的定义。
forecasting_ts_utils	用于操作 TimeSeriesDataSet 对象中的数据的实用工具函数。
forecasting_utils	用于 AML 预测包的通用实用工具函数。
forecasting_verify	一套用于验证数据完整性的函数。
lazy_azure_blob_cache_store	包含基于 azure 的缓存的实现的模块，该缓存用于在运行之间保存 automl 数据。
lazy_file_cache_store	包含基于文件的缓存的实现的模块，用于在运行之间保存 automl 数据。
limit_function_call_limits	用于对进程强制实施限制的功能。 改编自 https://github.com/sfalkner/pynisher
limit_function_call_spawn	使用生成限制函数调用。 将函数调用限制为指定的资源约束，但保证使用“生成”而不是“分叉”，以便与那些分叉不安全的库（例如 LightGBM）兼容。 改编自 https://github.com/sfalkner/pynisher
memory_cache_store	基于内存的缓存存储。
memory_utilities	用于内存相关操作的实用工具函数。
metrics	计算可用指标。
metrics_utilities	用于计算模型评估指标的实用程序。
model_wrappers	用于包装不接受参数（如“数据集的小数部分”）的模型的模块。
nimbus_wrappers	用于包装 NimbusML 模型的模块。
pickler	包迁移过程中向后兼容的传递。
pipeline_spec	可实例化为模型对象的对象。 用于模型的一般序列化和反序列化，可用于通信目的。
problem_info	容器，用于获取有关正在处理的问题的信息。 这用来向服务器传递信息，以便提供更好的管道供下一步尝试。
resource_limits	用于提前终止保险箱资源限制类。 对于不支持 python 资源模块的系统，实现资源限制和回退。
rolling_origin_validator	使用滚动原点交叉验证评估策略来验证模型的类和函数。
run_backed_cache_store	标准 AutoML 模块的初始化。 此包由 Jasmine 存储库中的 AutoML 组件直接导入。
runner	用于运行试验的类。
runtime_logging_utilities	用于记录的实用工具模块。
spawn_client	用于在使用“生成”创建的子进程中执行函数的功能。 此文件包含客户端部分。
spawn_server	用于在使用“生成”创建的子进程中执行函数的功能。 此文件包含服务器部分。
subprocess_utilities	用于终止进程树的模块。
tf_wrappers	用于运行 TF 管道的包装器类。
time_series_data_frame	包含 TimeSeriesDataFrame 类的定义的模块。 此类旨在处理单个多索引数据帧中的多个时序。
types	Long 类型的便利名称。
utilities	用于验证和转换的实用工具方法。
win32_helper	win32_helper.py，使用 ctypes 包装 Win32 API 的帮助程序代码。