反馈

AutoMLExplainerSetupClass 类

  • 参考

表示占位符类，用于与 Azure 机器学习解释包进行交互。

使用此模块中的 automl_setup_model_explanations 函数返回 AutoMLExplainerSetupClass。

继承
builtins.object
AutoMLExplainerSetupClass

构造函数

AutoMLExplainerSetupClass(X_transform: Optional[Union[numpy.ndarray, pandas.core.frame.DataFrame, scipy.sparse.base.spmatrix, azureml.dataprep.api.dataflow.Dataflow]] = None, X_test_raw: Optional[Union[numpy.ndarray, pandas.core.frame.DataFrame, scipy.sparse.base.spmatrix, azureml.dataprep.api.dataflow.Dataflow]] = None, X_test_transform: Optional[Union[numpy.ndarray, pandas.core.frame.DataFrame, scipy.sparse.base.spmatrix, azureml.dataprep.api.dataflow.Dataflow]] = None, pipeline: Optional[Union[sklearn.pipeline.Pipeline, azureml.train.automl.runtime.automl_explain_utilities.StreamingPipelineExplainabilityWrapper]] = None, estimator: Optional[Union[sklearn.pipeline.Pipeline, azureml.train.automl.runtime.automl_explain_utilities.StreamingPipelineExplainabilityWrapper]] = None, featurizer: Optional[Union[sklearn.pipeline.Pipeline, azureml.automl.runtime.featurization.streaming.streaming_featurization_transformer.StreamingFeaturizationTransformer]] = None, engineered_feature_names: Optional[List[str]] = None, raw_feature_names: Optional[List[str]] = None, feature_map: Optional[Union[numpy.ndarray, pandas.core.frame.DataFrame, scipy.sparse.base.spmatrix, azureml.dataprep.api.dataflow.Dataflow]] = None, classes: Optional[List[Any]] = None, surrogate_model: Optional[Any] = None, surrogate_model_params: Optional[Dict[str, Any]] = None, automl_run: Optional[azureml.core.run.Run] = None)

参数

X_transform
Union[DataFrame, ndarray, csr_matrix]
默认值: None

用于在自动化 ML 试验期间拟合管道的特征化训练特征。

X_test_raw
Union[DataFrame, ndarray, csr_matrix]
默认值: None

用于评估自动化 ML 已训练管道的原始测试特征。

X_test_transform
Union[DataFrame, ndarray, csr_matrix]
默认值: None

用于评估自动化 ML 估算器的特征化测试特征。

pipeline
pipeline
默认值: None

整个拟合的自动化 ML 模型。

estimator
pipeline
默认值: None

自动化 ML 估算器，包括模型特定的预处理器和学习器。

featurizer
pipeline
默认值: None

自动化 ML 特征化器，可以执行从原始特征到工程特征的转换。

engineered_feature_names
list[str]
默认值: None

自动化 ML 特征化器生成的特征的名称列表。

raw_feature_names
list[str]
默认值: None

要解释的原始特征的名称列表。

feature_map
Union[ndarray, csr_matrix]
默认值: None

指示哪些原始特征生成哪些工程特征的映射，用 numpy 数组或 scipy 稀疏矩阵来表示。

classes
list
默认值: None

针对分类问题在标记列中发现的类列表。

surrogate_model
<xref:Any>
默认值: None

用于使用 MimicWrapper 解释黑盒模型的未初始化代理项模型。

surrogate_model_params
<xref:Dict>
默认值: None

用于通过 MimicWrapper 解释自动化 ML 模型的代理项模型参数。

automl_run
Run
默认值: None

AutoML 子运行。

属性

X_test_raw

返回用于评估自动化 ML 已训练管道的原始测试特征。

返回

用于评估自动化 ML 已训练管道的原始测试特征。

X_test_transform

返回用于评估自动化 ML 估算器的特征化测试特征。

返回

用于评估自动化 ML 估算器的特征化测试特征。

X_transform

返回用于在自动化 ML 试验期间拟合管道的特征化训练特征。

返回

用于在自动化 ML 试验期间拟合管道的特征化训练特征。

automl_estimator

返回自动化 ML 估算器，包括模型特定的预处理器和学习器。

返回

自动化 ML 估算器，包括模型特定的预处理器和学习器。

automl_featurizer

返回可以执行从原始特征到工程特征的转换的自动化 ML 特征化器。

返回

自动化 ML 特征化器，可以执行从原始特征到工程特征的转换。

automl_pipeline

返回整个拟合的自动化 ML 模型。

返回

整个拟合的自动化 ML 模型。

automl_run

返回 automl 子运行对象。

返回

automl 子运行对象。

classes

返回解决分类问题时在标记列中发现的类列表。

返回

解决分类问题时在标记列中发现的类列表。

engineered_feature_names

返回自动化 ML 特征化器生成的特征的名称列表。

返回

自动化 ML 特征化器生成的特征的名称列表。

feature_map

返回有关哪些原始特征生成了哪些工程特征的映射。

返回

有关哪些原始特征生成了哪些工程特征的映射。

raw_feature_names

返回要解释的原始特征的名称列表。

返回

要解释的原始特征的名称列表。

surrogate_model

返回用于通过 MimicWrapper 解释自动化 ML 模型的代理项模型。

返回

用于通过 MimicWrapper 解释自动化 ML 模型的代理项模型。

surrogate_model_params

返回用于通过 MimicWrapper 解释自动化 ML 模型的代理项模型参数。

返回

用于通过 MimicWrapper 解释自动化 ML 模型的代理项模型参数。