datadrift Paket

Enthält Funktionen, um festzustellen, wenn ein Drift der Modelltrainingsdaten von den Bewertungsdaten aufgetreten ist.

Beim maschinellen Lernen ist die Datendrift die Veränderung von Modelleingabedaten, die eine Verschlechterung der Modellleistung zur Folge hat. Sie sind einer der wichtigsten Gründe für die Abnahme der Modellgenauigkeit im Zeitverlauf, und das Überwachen auf Datenabweichungen hilft bei der Erkennung von Problemen bei der Leistung eines Modells. Mit diesem Paket können Sie Datendrift erkennen und entsprechende Warnungen ausgeben.

Mit der DataDriftDetector-Klasse können Sie ein Datenüberwachungsobjekt konfigurieren, das dann als Auftrag zum Analysieren der Datendrift ausgeführt werden kann. Datendriftaufträge können interaktiv oder nach einem Zeitplan ausgeführt werden. Mit der AlertConfiguration-Klasse können Sie Warnungen einrichten, wenn die Datendrift einen Schwellenwert überschreitet.

Module

alert_configuration	Enthält Funktionen zum Konfigurieren von Datendriftwarnungen in Azure Machine Learning.
datadriftdetector	Enthält Kernfunktionen zum Erkennen der Datendrift zwischen zwei Datasets in Azure Machine Learning. Datendrift wird über Datasets oder Bereitstellungen gemessen und basiert auf der Dataset-API.

Klassen

AlertConfiguration	Stellt eine Warnungskonfiguration für Datendriftaufträge dar. Die AlertConfiguration-Klasse ermöglicht das Festlegen konfigurierbarer Warnungen (z. B. per E-Mail) für DataDriftDetector-Aufträge. Die Warnungskonfiguration kann angegeben werden, wenn eine der Erstellungsmethoden der DataDriftDetector-Klasse verwendet wird. Konstruktor. Ermöglicht das Festlegen konfigurierbarer Warnungen (z. B. E-Mail) für DataDriftDetector-Aufträge.
DataDriftDetector	Definiert eine Datendriftüberwachung, die zum Ausführen von Datendriftaufträgen in Azure Machine Learning verwendet werden kann. Mit der DataDriftDetector-Klasse können Sie eine Drift zwischen einer bestimmten Baseline und dem Zieldataset identifizieren. Ein DataDriftDetector-Objekt wird in einem Arbeitsbereich durch direkte Angabe der Baseline und der Zieldatasets erstellt. Weitere Informationen finden Sie unter https://aka.ms/datadrift. Datadriftdetector-Konstruktor. Der DataDriftDetector-Konstruktor wird verwendet, um eine Clouddarstellung eines DataDriftDetector-Objekts abzurufen, das dem bereitgestellten Arbeitsbereich zugeordnet ist.
Metric	Stellt eine Metrik dar, die in einer Datendriftanalyse zurückgegeben wird. Die Metrikklasse ist nur für die interne Verwendung vorgesehen. Verwenden Sie die get_output-Methode eines DataDriftDetector-Objekts, um Metriken zurückzugeben. Metrikkonstruktor.
ModelServingDataset	Stellt ein Dataset dar, das intern verwendet wird, wenn ein modellbasiertes DataDriftDetector-Objekt erstellt wird. Mit einem modellbasierten DataDriftDetector können Sie die Datendrift zwischen dem Trainingsdataset eines Modells und seinem Bewertungsdataset berechnen. Verwenden Sie die <xref:azureml.datadrift.DataDriftDetector.create_from_model>-Methode, um einen modellbasierten DataDriftDetector zu erstellen. Konstruktor.

Enumerationen

MetricType

Definiert Metriktypen, die in einer Datendriftanalyse zurückgegeben werden. Verwenden Sie die get_output-Methode eines DataDriftDetector-Objekts, um Metriken zurückzugeben.