DataDriftDetector Clase
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.
- Herencia
-
builtins.objectDataDriftDetector
Constructor
DataDriftDetector(workspace, name=None, baseline_dataset=None, target_dataset=None, compute_target=None, frequency=None, feature_list=None, alert_config=None, drift_threshold=None, latency=None)
Parámetros
- baseline_dataset
- TabularDataset
Conjunto de datos con el que se compara el conjunto de datos de destino.
- target_dataset
- TabularDataset
Conjunto de datos para el que se ejecutan trabajos de DataDrift programados o adhoc. Debe ser una serie temporal.
- compute_target
- ComputeTarget o str
ComputeTarget o nombre de ComputeTarget de Azure Machine Learning opcionales. DataDriftDetector creará un destino de proceso si no se especifica uno.
- frequency
- str
Frecuencia opcional que indica cada cuánto se ejecuta la canalización. Admite "Day", "Week" o "Month".
Características opcionales en la lista permitida en las que se va a ejecutar la detección del desfase de datos. Los trabajos de DataDriftDetector se ejecutarán en todas las características si feature_list
no se especifica. La lista de características puede contener caracteres, números, guiones y espacios en blanco. La longitud de la lista debe ser inferior a 200.
- alert_config
- AlertConfiguration
Objeto de configuración opcional para las alertas de DataDriftDetector.
- drift_threshold
- float
Umbral opcional para habilitar las alertas de DataDriftDetector. El valor debe estar entre 0 y 1. Se usa un valor de 0,2 cuando se especifica None (valor predeterminado).
- latency
- int
Retraso en horas para que los datos aparezcan en el conjunto de datos.
- baseline_dataset
- TabularDataset
Conjunto de datos con el que se compara el conjunto de datos de destino.
- target_dataset
- TabularDataset
Conjunto de datos para el que se ejecutan trabajos de DataDrift programados o adhoc. Debe ser una serie temporal.
- compute_target
- ComputeTarget o str
ComputeTarget o nombre de ComputeTarget de Azure Machine Learning opcionales. DataDriftDetector creará un destino de proceso si no se especifica uno.
- frequency
- str
Frecuencia opcional que indica cada cuánto se ejecuta la canalización. Admite "Day", "Week" o "Month".
Características opcionales en la lista permitida en las que se va a ejecutar la detección del desfase de datos. Los trabajos de DataDriftDetector se ejecutarán en todas las características si feature_list
no se especifica. La lista de características puede contener caracteres, números, guiones y espacios en blanco. La longitud de la lista debe ser inferior a 200.
- alert_config
- AlertConfiguration
Objeto de configuración opcional para las alertas de DataDriftDetector.
- drift_threshold
- float
Umbral opcional para habilitar las alertas de DataDriftDetector. El valor debe estar entre 0 y 1. Se usa un valor de 0,2 cuando se especifica None (valor predeterminado).
Comentarios
Un objeto DataDriftDetector representa una definición de trabajo de desfase de datos que se puede usar para ejecutar tres tipos de ejecución de trabajo:
Una ejecución adhoc para analizar los datos de un día específico; consulte el método run.
Una ejecución programada en una canalización; consulte el método enable_schedule.
una ejecución de reposición para ver cómo cambian los datos con el tiempo; consulte el método backfill.
El patrón típico para crear un objeto DataDriftDetector es:
- Para crear un objeto DataDriftDetector basado en conjunto de datos, use create_from_datasets.
El siguiente ejemplo muestra cómo crear un objeto DataDriftDetector basado en un conjunto de datos.
from azureml.datadrift import DataDriftDetector, AlertConfiguration
alert_config = AlertConfiguration(['user@contoso.com']) # replace with your email to recieve alerts from the scheduled pipeline after enabling
monitor = DataDriftDetector.create_from_datasets(ws, 'weather-monitor', baseline, target,
compute_target='cpu-cluster', # compute target for scheduled pipeline and backfills
frequency='Week', # how often to analyze target data
feature_list=None, # list of features to detect drift on
drift_threshold=None, # threshold from 0 to 1 for email alerting
latency=0, # SLA in hours for target data to arrive in the dataset
alert_config=alert_config) # email addresses to send alert
El ejemplo completo está disponible en https://github.com/Azure/MachineLearningNotebooks/blob/master/how-to-use-azureml/work-with-data/datadrift-tutorial/datadrift-tutorial.ipynb.
El constructor de DataDriftDetector recupera un objeto de desfase de datos existente asociado al área de trabajo.
Métodos
backfill |
Ejecuta un trabajo de reposición durante una fecha de inicio y finalización especificadas. Consulte https://aka.ms/datadrift para obtener más información sobre las ejecuciones de reposición de desfase de datos. NOTA: La reposición solo se admite en objetos DataDriftDetector basados en conjuntos de datos. |
create_from_datasets |
Crea un nuevo objeto DataDriftDetector a partir de un conjunto de datos tabular de línea de base y un conjunto de datos de serie temporal de destino. |
delete |
Elimina la programación del objeto DataDriftDetector. |
disable_schedule |
Deshabilita la programación del objeto DataDriftDetector. |
enable_schedule |
Crea una programación para ejecutar el trabajo DataDriftDetector basado en el conjunto de datos. |
get_by_name |
Recupera un objeto DataDriftDetector único para un área de trabajo y un nombre determinados. |
get_output |
Obtiene una tupla de los resultados de desfase y las métricas de un objeto DataDriftDetector específico durante un período de tiempo determinado. |
list |
Obtiene una lista de objetos DataDriftDetector para el área de trabajo especificada y el conjunto de datos opcional. NOTA: Pasar solo el parámetro |
run |
Ejecuta un único análisis de desfase de datos a un momento dado. |
show |
Muestra la tendencia de desviación de datos en un intervalo de tiempo determinado. De manera predeterminada, este método muestra los 10 ciclos más recientes. Por ejemplo, si la frecuencia es de días, serán los 10 días más recientes. Por ejemplo, si la frecuencia está en semana, serán las 10 semanas más recientes. |
update |
Actualice la programación asociada al objeto DataDriftDetector. Los valores de parámetro opcionales se pueden establecer en |
backfill
Ejecuta un trabajo de reposición durante una fecha de inicio y finalización especificadas.
Consulte https://aka.ms/datadrift para obtener más información sobre las ejecuciones de reposición de desfase de datos.
NOTA: La reposición solo se admite en objetos DataDriftDetector basados en conjuntos de datos.
backfill(start_date, end_date, compute_target=None, create_compute_target=False)
Parámetros
- compute_target
- ComputeTarget o str
ComputeTarget o nombre de ComputeTarget de Azure Machine Learning opcionales. DataDriftDetector creará un destino de proceso si no se especifica ninguno.
- create_compute_target
- bool
Indica si se crea un destino de proceso de Azure Machine Learning de forma automática.
Devoluciones
Una ejecución de DataDriftDetector.
Tipo de valor devuelto
create_from_datasets
Crea un nuevo objeto DataDriftDetector a partir de un conjunto de datos tabular de línea de base y un conjunto de datos de serie temporal de destino.
static create_from_datasets(workspace, name, baseline_dataset, target_dataset, compute_target=None, frequency=None, feature_list=None, alert_config=None, drift_threshold=None, latency=None)
Parámetros
- baseline_dataset
- TabularDataset
Conjunto de datos con el que se compara el conjunto de datos de destino.
- target_dataset
- TabularDataset
Conjunto de datos para el que se ejecutan trabajos de DataDrift programados o adhoc. Debe ser una serie temporal.
- compute_target
- ComputeTarget o str
ComputeTarget o nombre de ComputeTarget de Azure Machine Learning opcionales. DataDriftDetector creará un destino de proceso si no se especifica uno.
- frequency
- str
Frecuencia opcional que indica cada cuánto se ejecuta la canalización. Admite "Day", "Week" o "Month".
Características opcionales en la lista permitida en las que se va a ejecutar la detección del desfase de datos. Los trabajos de DataDriftDetector se ejecutarán en todas las características si feature_list
no se especifica. La lista de características puede contener caracteres, números, guiones y espacios en blanco. La longitud de la lista debe ser inferior a 200.
- alert_config
- AlertConfiguration
Objeto de configuración opcional para las alertas de DataDriftDetector.
- drift_threshold
- float
Umbral opcional para habilitar las alertas de DataDriftDetector. El valor debe estar entre 0 y 1. Se usa un valor de 0,2 cuando se especifica None (valor predeterminado).
- latency
- int
Retraso en horas para que los datos aparezcan en el conjunto de datos.
Devoluciones
Objeto DataDriftDetector.
Tipo de valor devuelto
Excepciones
Comentarios
Los objetos DataDriftDetector basados en conjuntos de datos permiten calcular el desfase de datos entre un conjunto de datos de línea de base, que deben ser TabularDataset, y un conjunto de datos de destino, que debe ser un conjunto de datos de serie temporal. Un conjunto de datos de serie temporal es simplemente TabularDataset con la propiedad fine_grain_timestamp. DataDriftDetector puede ejecutar trabajos programados o adhoc para determinar si el conjunto de datos de destino se ha desfasado del conjunto de datos de línea de base.
from azureml.core import Workspace, Dataset
from azureml.datadrift import DataDriftDetector
ws = Workspace.from_config()
baseline = Dataset.get_by_name(ws, 'my_baseline_dataset')
target = Dataset.get_by_name(ws, 'my_target_dataset')
detector = DataDriftDetector.create_from_datasets(workspace=ws,
name="my_unique_detector_name",
baseline_dataset=baseline,
target_dataset=target,
compute_target_name='my_compute_target',
frequency="Day",
feature_list=['my_feature_1', 'my_feature_2'],
alert_config=AlertConfiguration(email_addresses=['user@contoso.com']),
drift_threshold=0.3,
latency=1)
delete
Elimina la programación del objeto DataDriftDetector.
delete(wait_for_completion=True)
Parámetros
- wait_for_completion
- bool
Si se debe esperar a que se complete la operación de eliminación.
disable_schedule
Deshabilita la programación del objeto DataDriftDetector.
disable_schedule(wait_for_completion=True)
Parámetros
- wait_for_completion
- bool
Si se debe esperar a que se complete la operación de deshabilitación.
enable_schedule
Crea una programación para ejecutar el trabajo DataDriftDetector basado en el conjunto de datos.
enable_schedule(create_compute_target=False, wait_for_completion=True)
Parámetros
- create_compute_target
- bool
Indica si se crea un destino de proceso de Azure Machine Learning de forma automática.
- wait_for_completion
- bool
Si se debe esperar a que se complete la operación de habilitación.
get_by_name
Recupera un objeto DataDriftDetector único para un área de trabajo y un nombre determinados.
static get_by_name(workspace, name)
Parámetros
Devoluciones
Objeto DataDriftDetector.
Tipo de valor devuelto
get_output
Obtiene una tupla de los resultados de desfase y las métricas de un objeto DataDriftDetector específico durante un período de tiempo determinado.
get_output(start_time=None, end_time=None, run_id=None)
Parámetros
- start_time
- datetime, <xref:optional>
Hora de inicio de la ventana de resultados, en UTC. Si se especifica None (valor predeterminado), los resultados del 10.º ciclo más reciente se usan como hora de inicio. Por ejemplo, si la frecuencia de la programación del desfase de datos es en días, entonces start_time
es de 10 días. Si la frecuencia es en semanas, entonces start_time
es 10 semanas.
- end_time
- datetime, <xref:optional>
Hora de finalización de la ventana de resultados, en UTC. Si se especifica None (valor predeterminado), se usa la hora UTC del día actual como hora de finalización.
Devoluciones
Una tupla de una lista de resultados de desfase y una lista de métricas de conjuntos de datos individuales y columnas.
Tipo de valor devuelto
Comentarios
Este método devuelve una tupla de resultados de desfase y métricas para un período de tiempo o un identificador de ejecución en función del tipo de ejecución: una ejecución adhoc, una ejecución programada y una ejecución de reposición.
Para recuperar los resultados de la ejecución adhoc, solo hay una manera:
run_id
debe ser un GUID válido.Para recuperar las ejecuciones programadas y los resultados de la ejecución de reposición, hay dos maneras diferentes: asignar un GUID válido a
run_id
, o asignar unstart_time
específico oend_time
(inclusivo) mientras se mantienerun_id
como None.Si
run_id
,start_time
yend_time
no son None en la misma llamada de método, se produce una excepción de validación de parámetros.
NOTA: Especifique los parámetros start_time
y end_time
o el parámetro run_id
, pero no ambos.
Es posible que haya varios resultados para la misma fecha de destino (la fecha de destino significa la fecha de inicio del conjunto de datos de destino para el desfase basado en el conjunto de datos). Por lo tanto, es necesario identificar y controlar los resultados duplicados.
En el caso del desfase basado en el conjunto de datos, si los resultados son para la misma fecha de destino, son resultados duplicados.
El método get_output
desduplicará los resultados duplicados por una regla: siempre recoge los resultados generados más recientes.
El método get_output
se puede usar para recuperar todas las salidas o las salidas parciales de ejecuciones programadas en un intervalo de tiempo específico entre start_time
y end_time
(límite incluido). También puede limitar los resultados de una ejecución adhoc individual si especifica run_id
.
Use las siguientes directrices para ayudar a interpretar los resultados devueltos desde el método get_output
:
El principio de filtrado es la "superposición": siempre que haya una superposición entre la hora del resultado real (basada en el conjunto de datos: conjunto de datos de destino [fecha de inicio, fecha de finalización]) y el [
start_time
,end_time
] especificado, se seleccionará el resultado.Si hay varias salidas para una fecha de destino porque el cálculo de desviación se ejecutó varias veces en ese día, solo se seleccionará la salida más reciente de forma predeterminada.
Dado que hay varios tipos de una instancia de desfase de datos, el contenido del resultado podría ser diverso.
Para los resultados basados en el conjunto de datos, la salida tendrá el siguiente aspecto:
results : [{'drift_type': 'DatasetBased',
'result':[{'has_drift': True, 'drift_threshold': 0.3,
'start_date': '2019-04-03', 'end_date': '2019-04-04',
'base_dataset_id': '4ac144ef-c86d-4c81-b7e5-ea6bbcd2dc7d',
'target_dataset_id': '13445141-aaaa-bbbb-cccc-ea23542bcaf9'}]}]
metrics : [{'drift_type': 'DatasetBased',
'metrics': [{'schema_version': '0.1',
'start_date': '2019-04-03', 'end_date': '2019-04-04',
'baseline_dataset_id': '4ac144ef-c86d-4c81-b7e5-ea6bbcd2dc7d',
'target_dataset_id': '13445141-aaaa-bbbb-cccc-ea23542bcaf9'
'dataset_metrics': [{'name': 'datadrift_coefficient', 'value': 0.53459}],
'column_metrics': [{'feature1': [{'name': 'datadrift_contribution',
'value': 288.0},
{'name': 'wasserstein_distance',
'value': 4.858040000000001},
{'name': 'energy_distance',
'value': 2.7204799576545313}]}]}]}]
list
Obtiene una lista de objetos DataDriftDetector para el área de trabajo especificada y el conjunto de datos opcional.
NOTA: Pasar solo el parámetro workspace
devolverá todos los objetos DataDriftDetector, definidos en el área de trabajo.
static list(workspace, baseline_dataset=None, target_dataset=None)
Parámetros
- baseline_dataset
- TabularDataset
Conjunto de datos de línea de base para filtrar la lista de valores devueltos.
- target_dataset
- TabularDataset
Conjunto de datos de destino para filtrar la lista devuelta.
Devoluciones
Lista de objetos DataDriftDetector.
Tipo de valor devuelto
run
Ejecuta un único análisis de desfase de datos a un momento dado.
run(target_date, compute_target=None, create_compute_target=False, feature_list=None, drift_threshold=None)
Parámetros
- compute_target
- ComputeTarget o str
ComputeTarget o nombre de ComputeTarget de Azure Machine Learning opcionales. Si no se especifica, se crea automáticamente un destino de proceso.
- create_compute_target
- bool
Indica si se crea un destino de proceso de Azure Machine Learning de forma automática.
Características opcionales en la lista permitida en las que se va a ejecutar la detección del desfase de datos.
- drift_threshold
- float
Umbral opcional para habilitar las alertas de DataDriftDetector.
Devoluciones
Una ejecución de DataDriftDetector.
Tipo de valor devuelto
show
Muestra la tendencia de desviación de datos en un intervalo de tiempo determinado.
De manera predeterminada, este método muestra los 10 ciclos más recientes. Por ejemplo, si la frecuencia es de días, serán los 10 días más recientes. Por ejemplo, si la frecuencia está en semana, serán las 10 semanas más recientes.
show(start_time=None, end_time=None)
Parámetros
- start_time
- datetime, <xref:optional>
Inicio de la ventana de tiempo de presentación, en UTC. El valor predeterminado None significa que se recogen los resultados del 10º ciclo más reciente.
- end_time
- datetime, <xref:optional>
Final de la ventana de tiempo de datos de presentación, en UTC. El valor predeterminado None implica el día actual.
Devoluciones
Un diccionario de todas las cifras. La clave es service_name.
Tipo de valor devuelto
update
Actualice la programación asociada al objeto DataDriftDetector.
Los valores de parámetro opcionales se pueden establecer en None
; de lo contrario, tienen como valor predeterminado sus valores existentes.
update(compute_target=Ellipsis, feature_list=Ellipsis, schedule_start=Ellipsis, alert_config=Ellipsis, drift_threshold=Ellipsis, wait_for_completion=True)
Parámetros
- compute_target
- ComputeTarget o str
Nombre de ComputeTarget o ComputeTarget de Azure Machine Learning opcional. DataDriftDetector creará un destino de proceso si no se especifica este parámetro.
Características en la lista permitida en las que ejecutar la detección de desfase de datos.
- schedule_start
- datetime
Hora de inicio de la programación de desfase de datos, en UTC.
- alert_config
- AlertConfiguration
Objeto de configuración opcional para las alertas de DataDriftDetector.
- drift_threshold
- float
Umbral para habilitar las alertas de DataDriftDetector.
- wait_for_completion
- bool
Si se debe esperar a que se completen las operaciones de habilitación, deshabilitación o eliminación.
Devoluciones
self
Tipo de valor devuelto
Atributos
alert_config
Obtiene la configuración de alertas para el objeto DataDriftDetector.
Devoluciones
Objeto AlertConfiguration.
Tipo de valor devuelto
baseline_dataset
Obtiene el conjunto de datos de línea de base asociado al objeto DataDriftDetector.
Devoluciones
Tipo de conjunto de datos del conjunto de datos de línea de base.
Tipo de valor devuelto
compute_target
Obtiene el destino de proceso asociado al objeto DataDriftDetector.
Devoluciones
El destino de proceso.
Tipo de valor devuelto
drift_threshold
Obtiene el umbral de desfase del objeto DataDriftDetector.
Devoluciones
Umbral de desfase.
Tipo de valor devuelto
drift_type
Obtiene el tipo de DataDriftDetector, "DatasetBased" es el único valor admitido por ahora.
Devoluciones
Tipo de objeto DataDriftDetector.
Tipo de valor devuelto
enabled
Obtiene el valor booleano que indica si el objeto DataDriftDetector está habilitado.
Devoluciones
Valor booleano; True para habilitado.
Tipo de valor devuelto
feature_list
Obtiene la lista de características de la lista permitida para el objeto DataDriftDetector.
Devoluciones
Lista de nombres de características.
Tipo de valor devuelto
frequency
Obtiene la frecuencia de la programación de DataDriftDetector.
Devoluciones
Cadena de "Day", "Week" o "Month".
Tipo de valor devuelto
interval
Obtiene el intervalo de la programación DataDriftDetector.
Devoluciones
Valor entero de la unidad de tiempo.
Tipo de valor devuelto
latency
Obtiene la latencia de los trabajos de programación de DataDriftDetector (en horas).
Devoluciones
Número de horas que representan la latencia.
Tipo de valor devuelto
name
Obtiene el nombre del objeto DataDriftDetector.
Devoluciones
Nombre de DataDriftDetector.
Tipo de valor devuelto
schedule_start
Obtiene la hora de inicio de la programación.
Devoluciones
Objeto datetime de la hora de inicio de la programación en UTC.
Tipo de valor devuelto
state
Denota el estado de la programación de DataDriftDetector.
Devoluciones
Uno de los elementos "Disabled", "Enabled", "Deleted", "Disabling", "Enabling", "Deleting", "Failed", "DisableFailed", "EnableFailed", "DeleteFailed".
Tipo de valor devuelto
target_dataset
Obtiene el conjunto de datos de destino asociado al objeto DataDriftDetector.
Devoluciones
Tipo de conjunto de datos del conjunto de datos de línea de base.
Tipo de valor devuelto
workspace
Obtiene el área de trabajo del objeto DataDriftDetector.
Devoluciones
Área de trabajo en la que se creó el objeto DataDriftDetector.
Tipo de valor devuelto
Comentarios
https://aka.ms/ContentUserFeedback.
Próximamente: A lo largo de 2024 iremos eliminando gradualmente GitHub Issues como mecanismo de comentarios sobre el contenido y lo sustituiremos por un nuevo sistema de comentarios. Para más información, vea:Enviar y ver comentarios de