microsoftml.rx_predict: Skóre pomocí Microsoft modelu strojového učení

Usage

microsoftml.rx_predict(model,
    data: typing.Union[revoscalepy.datasource.RxDataSource.RxDataSource,
    pandas.core.frame.DataFrame],
    output_data: typing.Union[revoscalepy.datasource.RxDataSource.RxDataSource,
    str] = None, write_model_vars: bool = False,
    extra_vars_to_write: list = None, suffix: str = None,
    overwrite: bool = False, data_threads: int = None,
    blocks_per_read: int = None, report_progress: int = None,
    verbose: int = 1,
    compute_context: revoscalepy.computecontext.RxComputeContext.RxComputeContext = None,
    **kargs)

Description

Výsledky skórování reportů na instanci v datovém rámci nebo zdroji dat revoscalepy pomocí trénovaného modelu Microsoft ML Machine Learning se zdrojem arevoscalepydata.

Podrobnosti

Ve výstupu jsou ve výchozím nastavení uvedeny následující položky: skórování na třech proměnných pro binární klasifikátory: PredictedLabel, Score a Probability; skóre pro oneClassSvm a regresní klasifikátory; PredictedLabel pro klasifikátory s více třídami, plus proměnná pro každou kategorii předcházená skóre.

Arguments

model

Informační objekt modelu vrácený z modelu MicrosoftML. Například objekt vrácený z rx_fast_trees nebo rx_logistic_regression.

data

Revoskalpický datový zdrojový objekt, datový rámec nebo cesta k souboru.xdf.

output_data

Výstup textu nebo xdf názvu souboru či RxDataSource s možností zápisu pro ukládání transformovaných dat. Pokud žádný, vrátí se datový rámec. Výchozí hodnota je None.

write_model_vars

Pokud True, jsou proměnné v modelu zapsány do výstupní datové sady kromě hodnotících proměnných. Pokud jsou v modelu transformovány proměnné ze vstupní datové množiny, jsou zahrnuty i transformované proměnné. Výchozí hodnota je False.

extra_vars_to_write

Nonenebo znakový vektor dalších jmen proměnných ze vstupních dat, které je třeba zahrnout do .output_data Pokud write_model_vars je , Truejsou zahrnuty i proměnné modelu. Výchozí hodnota je None.

suffix

Řetězec znaků, který určuje příponu pro přidání k vytvořené hodnotící proměnné nebo None in, nemá žádnou příponu. Výchozí hodnota je None.

přepsat

Pokud True, existující output_data je přepsán; pokud False existující output_data není přepsáno. Výchozí hodnota je False.

data_threads

Celé číslo určující požadovaný stupeň paralelismu v datovém potrubí. Pokud žádné, počet použitých vláken je určen interně. Výchozí hodnota je None.

blocks_per_read

Určuje početblokůch

report_progress

Celočíselná hodnota, která určuje úroveň generování sestav o průběhu zpracování řádků:

0: Nebyl hlášen žádný průběh.
1: Počet zpracovaných řádků se vytiskne a aktualizuje.
2: Jsou hlášeny řádky zpracovávané a časování.
3: Jsou hlášeny řádky zpracovávané a všechna časování.

Výchozí hodnota je 1.

podrobný

Celočíselná hodnota, která určuje požadovanou velikost výstupu. Pokud 0se během výpočtů nevytiskne žádný podrobný výstup. Celočíselné hodnoty, od 1 které se 4 poskytují rostoucí množství informací. Výchozí hodnota je 1.

compute_context

Nastaví kontext, ve kterém se výpočty spouštějí, zadané pomocí platné revoscalepy. RxComputeContext. V současné době místní a revoscalepy. Podporují se výpočetní kontexty RxInSqlServer .

kargs

Další argumenty odeslané do výpočetního modulu

Returns

Datový rámec nebo revoskalepie. objekt RxDataSource reprezentující vytvořená výstupní data. Výchozí jsou výstupy z binárních klasifikátorů pro skórování tři proměnné: PredictedLabel, Score, a Probability; rx_oneclass_svm a regrese obsahují jednu proměnnou: Score; a multitřídní klasifikátory zahrnují PredictedLabel plus proměnnou pro každou kategorii předcházenou .Score Pokud je uvedeno a suffix , přidá se na konec těchto názvů výstupních proměnných.

Příklad binární klasifikace

'''
Binary Classification.
'''
import numpy
import pandas
from microsoftml import rx_fast_linear, rx_predict
from revoscalepy.etl.RxDataStep import rx_data_step
from microsoftml.datasets.datasets import get_dataset

infert = get_dataset("infert")

import sklearn
if sklearn.__version__ < "0.18":
    from sklearn.cross_validation import train_test_split
else:
    from sklearn.model_selection import train_test_split

infertdf = infert.as_df()
infertdf["isCase"] = infertdf.case == 1
data_train, data_test, y_train, y_test = train_test_split(infertdf, infertdf.isCase)

forest_model = rx_fast_linear(
    formula=" isCase ~ age + parity + education + spontaneous + induced ",
    data=data_train)
    
# RuntimeError: The type (RxTextData) for file is not supported.
score_ds = rx_predict(forest_model, data=data_test,
                     extra_vars_to_write=["isCase", "Score"])
                     
# Print the first five rows
print(rx_data_step(score_ds, number_rows_read=5))

Output:

Automatically adding a MinMax normalization transform, use 'norm=Warn' or 'norm=No' to turn this behavior off.
Beginning processing data.
Rows Read: 186, Read Time: 0, Transform Time: 0
Beginning processing data.
Beginning processing data.
Rows Read: 186, Read Time: 0.001, Transform Time: 0
Beginning processing data.
Beginning processing data.
Rows Read: 186, Read Time: 0.001, Transform Time: 0
Beginning processing data.
Using 2 threads to train.
Automatically choosing a check frequency of 2.
Auto-tuning parameters: maxIterations = 8064.
Auto-tuning parameters: L2 = 2.666837E-05.
Auto-tuning parameters: L1Threshold (L1/L2) = 0.
Using best model from iteration 590.
Not training a calibrator because it is not needed.
Elapsed time: 00:00:00.6058289
Elapsed time: 00:00:00.0084728
Beginning processing data.
Rows Read: 62, Read Time: 0, Transform Time: 0
Beginning processing data.
Elapsed time: 00:00:00.0302359
Finished writing 62 rows.
Writing completed.
Rows Read: 5, Total Rows Processed: 5, Total Chunk Time: 0.001 seconds 
  isCase PredictedLabel     Score  Probability
0  False           True  0.576775     0.640325
1  False          False -2.929549     0.050712
2   True          False -2.370090     0.085482
3  False          False -1.700105     0.154452
4  False          False -0.110981     0.472283

Příklad regrese

'''
Regression.
'''
import numpy
import pandas
from microsoftml import rx_fast_trees, rx_predict
from revoscalepy.etl.RxDataStep import rx_data_step
from microsoftml.datasets.datasets import get_dataset

airquality = get_dataset("airquality")

import sklearn
if sklearn.__version__ < "0.18":
    from sklearn.cross_validation import train_test_split
else:
    from sklearn.model_selection import train_test_split

airquality = airquality.as_df()


######################################################################
# Estimate a regression fast forest
# Use the built-in data set 'airquality' to create test and train data

df = airquality[airquality.Ozone.notnull()]
df["Ozone"] = df.Ozone.astype(float)

data_train, data_test, y_train, y_test = train_test_split(df, df.Ozone)

airFormula = " Ozone ~ Solar_R + Wind + Temp "

# Regression Fast Forest for train data
ff_reg = rx_fast_trees(airFormula, method="regression", data=data_train)

# Put score and model variables in data frame
score_df = rx_predict(ff_reg, data=data_test, write_model_vars=True)
print(score_df.head())

# Plot actual versus predicted values with smoothed line
# Supported in the next version.
# rx_line_plot(" Score ~ Ozone ", type=["p", "smooth"], data=score_df)