ModelProxy Klasse

Hinweis

Dies ist eine experimentelle Klasse, die jederzeit geändert werden kann. Unter https://aka.ms/azuremlexperimental finden Sie weitere Informationen.

Proxy-Objekt für AutoML-Modelle, das Rückschlüsse beim Remotecomputing ermöglicht.

Erstellen Sie ein AutoML ModelProxy-Objekt, um Rückschlüsse an die Trainingsumgebung zu übermitteln.

Vererbung

builtins.object

ModelProxy

Konstruktor

ModelProxy(child_run, compute_target=None)

Parameter

child_run

Erforderlich

Die untergeordnete Ausführung, von der das Modell heruntergeladen wird.

compute_target

Erforderlich

Überschreiben Sie, damit die Zielcompute für rückschlüsse verwendet werden kann.

Methoden

forecast	Übermitteln Sie einen Auftrag zum Ausführen der Vorhersage mit dem Modell für die angegebenen Werte.
forecast_quantiles	Übermitteln Sie einen Auftrag zum Ausführen von forecast_quantiles mit dem Modell für die angegebenen Werte.
predict	Übermitteln Sie einen Auftrag zum Ausführen der Vorhersage mit dem Modell für die angegebenen Werte.
predict_proba	Übermitteln Sie einen Auftrag zum Ausführen von predict_proba mit dem Modell für die angegebenen Werte.
test	Ruft Vorhersagen aus den test_data ab, und berechnet die relevanten Metriken.

forecast

Übermitteln Sie einen Auftrag zum Ausführen der Vorhersage mit dem Modell für die angegebenen Werte.

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

Parameter

X_values

AbstractDataset oder DataFrame oder ndarray

Erforderlich

Geben Sie die Testdaten ein, für die eine Vorhersage ausgeführt werden soll.

y_values

AbstractDataset oder DataFrame oder ndarray

Standardwert: None

Geben Sie y-Werte ein, für die eine Vorhersage ausgeführt werden soll.

Gibt zurück

Die Vorhersagewerte.

forecast_quantiles

Übermitteln Sie einen Auftrag zum Ausführen von forecast_quantiles mit dem Modell für die angegebenen Werte.

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

Parameter

X_values

AbstractDataset

Erforderlich

Geben Sie die Testdaten ein, für die eine Vorhersage ausgeführt werden soll.

y_values

Standardwert: None

Geben Sie y-Werte ein, für die eine Vorhersage ausgeführt werden soll.

forecast_destination

<xref:pandas.Timestamp>

Standardwert: None

Forecast_destination: ein Zeitstempelwert. Vorhersagen werden bis zur Zeit von forecast_destination für alle Aggregationsintervalle durchgeführt. Eine Wörterbucheingabe vom Typ { grain -> timestamp } wird nicht akzeptiert. Wenn „forecast_destination“ nicht angegeben wird, wird der letzte Zeitpunkt in „X_pred“ für jedes Aggregationsintervall angenommen.

ignore_data_errors

bool

Standardwert: False

Fehler in Benutzerdaten werden ignoriert.

predict

Übermitteln Sie einen Auftrag zum Ausführen der Vorhersage mit dem Modell für die angegebenen Werte.

predict(values: Any) -> AbstractDataset

Parameter

values

AbstractDataset oder DataFrame oder ndarray

Erforderlich

Geben Sie Testdaten für die Vorhersageausführung ein.

Gibt zurück

Die vorhergesagten Werte.

predict_proba

Übermitteln Sie einen Auftrag zum Ausführen von predict_proba mit dem Modell für die angegebenen Werte.

predict_proba(values: Any) -> AbstractDataset

Parameter

values

AbstractDataset oder DataFrame oder ndarray

Erforderlich

Geben Sie Testdaten für die Vorhersageausführung ein.

Gibt zurück

Die vorhergesagten Werte.

test

Ruft Vorhersagen aus den test_data ab, und berechnet die relevanten Metriken.

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

Parameter

test_data

Erforderlich

Das Testdataset.

include_predictions_only

Standardwert: False

Gibt an, ob die Vorhersagen nur als Teil der Ausgabe „predictions.csv“ einbezogen werden sollen.

Wenn dieser Parameter True ist, sehen die CSV-Ausgabespalten wie folgt aus (die Vorhersage entspricht der Regression):

Classification => [predicted values], [probabilities]

Regression => [predicted values]

Andernfalls (Standardwert):

Classification => [original test data labels], [predicted values], [probabilities], [features]

Regression => [original test data labels], [predicted values], [features]

Der Spaltenname [original test data labels] = [label column name] + "_orig".

Der Spaltenname [predicted values] = [label column name] + "_predicted".

Die [probabilities] Spaltennamen = [class name] + "_predicted_proba".

Die [features] Spaltennamen = [feature column name] + "_orig".

Wenn test_data keine Zielspalte enthält, ist [original test data labels] nicht im Ausgabedatenrahmen enthalten.

Gibt zurück

Ein Tupel mit den vorhergesagten Werten und Metriken.