ModelProxy Clase

Nota

Se trata de una clase experimental y puede cambiar en cualquier momento. Consulte https://aka.ms/azuremlexperimental para más información.

Objeto proxy para los modelos de AutoML que habilita la inferencia en el proceso remoto.

Cree un objeto ModelProxy de AutoML para enviar la inferencia al entorno de entrenamiento.

Herencia

builtins.object

ModelProxy

Constructor

ModelProxy(child_run, compute_target=None)

Parámetros

child_run

Requerido

La ejecución secundaria desde la que se descargará el modelo.

compute_target

Requerido

Sobrescriba el proceso de destino en el que se va a realizar la inferencia.

Métodos

forecast	Envíe un trabajo para ejecutar la previsión en el modelo para los valores dados.
forecast_quantiles	Envíe un trabajo para ejecutar forecast_quantiles en el modelo para los valores dados.
predict	Envíe un trabajo para ejecutar predict en el modelo para los valores dados.
predict_proba	Envíe un trabajo para ejecutar predict_proba en el modelo para los valores dados.
test	Recupere las predicciones de test_data y calcule las métricas pertinentes.

forecast

Envíe un trabajo para ejecutar la previsión en el modelo para los valores dados.

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

Parámetros

X_values

AbstractDataset o DataFrame o ndarray

Requerido

Datos de prueba de entrada en los que ejecutar la previsión.

y_values

AbstractDataset o DataFrame o ndarray

valor predeterminado: None

Introduzca los valores y en los que se ejecutará la previsión.

Devoluciones

Valores de previsión.

forecast_quantiles

Envíe un trabajo para ejecutar forecast_quantiles en el modelo para los valores dados.

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

Parámetros

X_values

AbstractDataset

Requerido

Datos de prueba de entrada en los que ejecutar la previsión.

y_values

valor predeterminado: None

Introduzca los valores y en los que se ejecutará la previsión.

forecast_destination

<xref:pandas.Timestamp>

valor predeterminado: None

Forecast_destination: un valor de marca de tiempo. Las previsiones se realizarán hasta la hora de forecast_destination, para todos los granos. No se aceptará la entrada de diccionario { grain -> timestamp }. Si no se proporciona forecast_destination, se imputará como la última vez que se produjo en X_pred para cada grano.

ignore_data_errors

bool

valor predeterminado: False

Omite errores en los datos de usuario.

predict

Envíe un trabajo para ejecutar predict en el modelo para los valores dados.

predict(values: Any) -> AbstractDataset

Parámetros

values

AbstractDataset o DataFrame o ndarray

Requerido

Datos de prueba de entrada en los que se va a ejecutar la predicción.

Devoluciones

Valores previstos.

predict_proba

Envíe un trabajo para ejecutar predict_proba en el modelo para los valores dados.

predict_proba(values: Any) -> AbstractDataset

Parámetros

values

AbstractDataset o DataFrame o ndarray

Requerido

Datos de prueba de entrada en los que se va a ejecutar la predicción.

Devoluciones

Valores previstos.

test

Recupere las predicciones de test_data y calcule las métricas pertinentes.

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

Parámetros

test_data

Requerido

Conjunto de datos de prueba.

include_predictions_only

valor predeterminado: False

Si solo se deben incluir o no las predicciones como parte de la salida predictions.csv.

Si este parámetro es True, las columnas CSV de salida tienen el aspecto siguiente (la previsión es la misma que la regresión):

Classification => [predicted values], [probabilities]

Regression => [predicted values]

else (predeterminado):

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

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

Nombre de columna [original test data labels] = [label column name] + "_orig".

Nombre de columna [predicted values] = [label column name] + "_predicted".

Los nombres de columna [probabilities] = [class name] + "_predicted_proba".

Los nombres de columna [features] = [feature column name] + "_orig".

Si test_data no incluye una columna de destino, [original test data labels] no estará en la trama de datos de salida.

Devoluciones

Una tupla que contiene los valores predichos y las métricas.