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.objectModelProxy
Konstruktor
ModelProxy(child_run, compute_target=None)
Parameter
- child_run
Die untergeordnete Ausführung, von der das Modell heruntergeladen wird.
- compute_target
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 |
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
Geben Sie die Testdaten ein, für die eine Vorhersage ausgeführt werden soll.
- y_values
- AbstractDataset oder DataFrame oder ndarray
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
Geben Sie die Testdaten ein, für die eine Vorhersage ausgeführt werden soll.
- y_values
Geben Sie y-Werte ein, für die eine Vorhersage ausgeführt werden soll.
- forecast_destination
- <xref:pandas.Timestamp>
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.
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
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
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
Das Testdataset.
- include_predictions_only
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.
Feedback
https://aka.ms/ContentUserFeedback.
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unterFeedback senden und anzeigen für