datadrift Paquete

Contiene la funcionalidad necesaria para detectar en qué momento se han desplazado los datos de entrenamiento del modelo de sus datos de puntuación.

En el aprendizaje automático, el desfase de datos es el cambio en los datos de entrada del modelo que conduce a la degradación del rendimiento del modelo. Es uno de los principales motivos por los que la precisión del modelo se degrada con el tiempo. Por lo tanto, la supervisión del desfase de datos ayuda a detectar problemas de rendimiento del modelo. Este paquete 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 trabajo para analizar el desfase de datos. Los trabajos de desfase de datos se pueden ejecutar de forma interactiva o habilitarse para que se ejecuten según una programación. Puede configurar alertas cuando el desfase de datos supere 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 a través de conjuntos de datos o implementaciones y se basa en la API Dataset.

Clases

AlertConfiguration	Representa la configuración de alertas para los trabajos de desfase de datos. La clase AlertConfiguration permite establecer alertas configurables (como el correo electrónico) en los trabajos DataDriftDetector. La configuración de alertas se puede especificar 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 base de referencia determinada y un conjunto de datos de destino. Un objeto DataDriftDetector se crea en un área de trabajo especificando directamente la base de referencia y el conjunto de datos de destino. Para obtener más información, vea 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 desviación de datos. La clase Metric es solo para uso interno. Use el método get_output de un objeto para DataDriftDetector devolver métricas. Constructor de métricas.
ModelServingDataset	Representa un conjunto de datos utilizado internamente cuando se crea un objeto DataDriftDetector basado en modelos. Un objeto 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 método <xref:azureml.datadrift.DataDriftDetector.create_from_model>. Constructor.

Enumeraciones

MetricType

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