datadrift Paquete

Contiene funcionalidad para detectar cuándo los datos de entrenamiento del modelo se han desfasado de sus datos de puntuación.

En el aprendizaje automático, desfase de datos es el cambio en los datos de entrada del modelo que conduce a la degradación del rendimiento del modelo. Es una de las principales razones por las que la precisión del modelo se degrada con el tiempo, por lo que la supervisión del desfase de datos ayuda a detectar problemas de rendimiento del modelo. Este paquete le permite detectar y alertar sobre el desfase de datos.

La clase DataDriftDetector permite configurar un objeto de supervisión de datos que, a continuación, se puede ejecutar como un trabajo para analizar el desfase de datos. Los trabajos de desfase de datos se pueden ejecutar de forma interactiva o habilitada para ejecutarse según una programación. Puede configurar alertas cuando el desfase de datos supera un umbral con la clase AlertConfiguration.

Módulos

alert_configuration	Contiene funcionalidad para configurar alertas de desfase de datos en Azure Machine Learning.
datadriftdetector	Contiene la funcionalidad básica para detectar el desfase de datos entre dos conjuntos de datos en Azure Machine Learning. El desfase de datos se mide mediante conjuntos de datos o implementaciones y se basa en la API de Dataset.

Clases

AlertConfiguration	Representa la configuración de alertas para los trabajos de desfase de datos. La clase AlertConfiguration permite establecer alertas configurables (como correo electrónico) en DataDriftDetector trabajos. Se puede especificar la configuración de alertas al usar uno de los métodos de creación de la clase DataDriftDetector. Constructor. Permite establecer alertas configurables (por ejemplo, correo electrónico) en trabajos de DataDriftDetector.
DataDriftDetector	Define un monitor de desfase de datos que se puede usar para ejecutar trabajos de desfase de datos en Azure Machine Learning. La clase DataDriftDetector permite identificar el desfase entre una línea base determinada y un conjunto de datos de destino. Un objeto DataDriftDetector se crea en un área de trabajo especificando directamente los conjuntos de datos de línea base y de destino. Para obtener más información, consulte https://aka.ms/datadrift. Constructor datadriftdetector. El constructor DataDriftDetector se usa para recuperar una representación en la nube de un objeto DataDriftDetector asociado al área de trabajo proporcionada.
Metric	Representa una métrica devuelta en un análisis de desfase de datos. La clase Metric es solo para uso interno. Use el get_output método de un DataDriftDetector objeto para devolver métricas. Constructor de métricas.
ModelServingDataset	Representa un conjunto de datos que se usa internamente cuando se crea un objeto DataDriftDetector basado en modelos. DataDriftDetector basado en modelos permite calcular el desfase de datos entre el conjunto de datos de entrenamiento de un modelo y su conjunto de datos de puntuación. Para crear un DataDriftDetector basado en modelos, use el <xref:azureml.datadrift.DataDriftDetector.create_from_model> método . Constructor.

Enumeraciones

MetricType

Define los tipos de métricas devueltas en un análisis de desfase de datos. Use el get_output método de un DataDriftDetector objeto para devolver métricas.