ModelProxy Třída

Poznámka:

Jedná se o experimentální třídu a může se kdykoli změnit. Další informace najdete tady: https://aka.ms/acr/connected-registry.

Objekt proxy pro modely AutoML, které umožňují odvozování na vzdálených výpočetních prostředcích.

Vytvořte objekt AutoML ModelProxy, který odešle odvozování do trénovacího prostředí.

Konstruktor

ModelProxy(child_run, compute_target=None)

Parametry

Name	Description
child_run Vyžadováno	Podřízené spuštění, ze kterého se model stáhne.
compute_target Vyžadováno	Přepište cílový výpočetní objekt pro odvození.

Metody

forecast	Odešlete úlohu, která spustí prognózu modelu pro dané hodnoty.
forecast_quantiles	Odešlete úlohu ke spuštění forecast_quantiles v modelu pro dané hodnoty.
predict	Odešlete úlohu, která spustí předpověď na modelu pro dané hodnoty.
predict_proba	Odešlete úlohu ke spuštění predict_proba v modelu pro dané hodnoty.
test	Načtěte předpovědi z test_data relevantních metrik a výpočetních prostředků.

forecast

Odešlete úlohu, která spustí prognózu modelu pro dané hodnoty.

forecast(X_values: Any, y_values: Any | None = None) -> Tuple[AbstractDataset, AbstractDataset]

Parametry

Name	Description
X_values Vyžadováno	AbstractDataset nebo DataFrame nebo ndarray Vstupní testovací data pro spuštění prognózy
y_values	AbstractDataset nebo DataFrame nebo ndarray Vstupní hodnoty y pro spuštění prognózy Default value: None

Návraty

Typ	Description
	Hodnoty prognózy.

forecast_quantiles

Odešlete úlohu ke spuštění forecast_quantiles v modelu pro dané hodnoty.

forecast_quantiles(X_values: Any, y_values: Any | None = None, forecast_destination: Any | None = None, ignore_data_errors: bool = False) -> AbstractDataset

Parametry

Name	Description
X_values Vyžadováno	AbstractDataset Vstupní testovací data pro spuštění prognózy
y_values	Vstupní hodnoty y pro spuštění prognózy Default value: None
forecast_destination	<xref:pandas.Timestamp> Forecast_destination: hodnota časového razítka. Prognózy budou provedeny až do forecast_destination času pro všechna zrnka. Vstup slovníku { grain -> timestamp } nebude přijat. Pokud forecast_destination není zadaný, bude imputován jako čas posledního výskytu v X_pred pro každé agregační intervaly. Default value: None
ignore_data_errors	bool Ignorovat chyby v uživatelských datech Default value: False

predict

Odešlete úlohu, která spustí předpověď na modelu pro dané hodnoty.

predict(values: Any) -> AbstractDataset

Parametry

Name	Description
values Vyžadováno	AbstractDataset nebo DataFrame nebo ndarray Vstupní testovací data pro predikci.

Návraty

Typ	Description
	Predikované hodnoty.

predict_proba

Odešlete úlohu ke spuštění predict_proba v modelu pro dané hodnoty.

predict_proba(values: Any) -> AbstractDataset

Parametry

Name	Description
values Vyžadováno	AbstractDataset nebo DataFrame nebo ndarray Vstupní testovací data pro predikci.

Návraty

Typ	Description
	Predikované hodnoty.

test

Načtěte předpovědi z test_data relevantních metrik a výpočetních prostředků.

test(test_data: AbstractDataset, include_predictions_only: bool = False) -> Tuple[AbstractDataset, Dict[str, Any]]

Parametry

Name	Description
test_data Vyžadováno	Testovací datová sada.
include_predictions_only	Zda zahrnout pouze předpovědi jako součást predictions.csv výstupu. Pokud je True tento parametr, vypadají výstupní sloupce CSV (prognóza je stejná jako regrese): Classification => [predicted values], [probabilities] Regression => [predicted values] else (výchozí): Classification => [original test data labels], [predicted values], [probabilities], [features] Regression => [original test data labels], [predicted values], [features] Název [original test data labels] sloupce = [label column name] + "_orig". Název [predicted values] sloupce = [label column name] + "_predicted". Názvy [probabilities] sloupců = [class name] + "_predicted_proba". Názvy [features] sloupců = [feature column name] + "_orig". test_data Pokud cílový sloupec neobsahuje, [original test data labels] nebude ve výstupním datovém rámci. Default value: False

Návraty

Typ	Description
	Řazená kolekce členů obsahující predikované hodnoty a metriky.