ModelProxy Osztály

Megjegyzés

Ez egy kísérleti osztály, és bármikor változhat. További információ: https://aka.ms/azuremlexperimental.

Proxyobjektum az AutoML-modellekhez, amely lehetővé teszi a következtetést a távoli számításban.

Hozzon létre egy AutoML ModelProxy objektumot, amely következtetést küld a betanítási környezetbe.

Öröklődés

builtins.object

ModelProxy

Konstruktor

ModelProxy(child_run, compute_target=None)

Paraméterek

Name	Description
child_run Kötelező	A gyermekfuttatás, amelyből a modell le lesz töltve.
compute_target Kötelező	Írja felül a célszámítást a következtetéshez.

Metódusok

forecast	Küldjön be egy feladatot az előrejelzés futtatásához a modellen az adott értékekhez.
forecast_quantiles	Küldjön be egy feladatot, hogy forecast_quantiles futtasson a modellen az adott értékekhez.
predict	Küldjön be egy feladatot, amely futtatja az előrejelzést a modellen az adott értékekhez.
predict_proba	Küldjön be egy feladatot, hogy predict_proba futtasson a modellen az adott értékekhez.
test	Előrejelzések lekérése a és a test_data kapcsolódó metrikákból.

forecast

Küldjön be egy feladatot az előrejelzés futtatásához a modellen az adott értékekhez.

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

Paraméterek

Name	Description
X_values Kötelező	AbstractDataset vagy DataFrame vagy ndarray Bemeneti tesztadatok az előrejelzés futtatásához.
y_values	AbstractDataset vagy DataFrame vagy ndarray Adja meg az y értékeket az előrejelzés futtatásához. Alapértelmezett érték: None

Válaszok

Típus	Description
	Az előrejelzési értékek.

forecast_quantiles

Küldjön be egy feladatot, hogy forecast_quantiles futtasson a modellen az adott értékekhez.

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

Paraméterek

Name	Description
X_values Kötelező	AbstractDataset Bemeneti tesztadatok az előrejelzés futtatásához.
y_values	Adja meg az y értékeket az előrejelzés futtatásához. Alapértelmezett érték: None
forecast_destination	<xref:pandas.Timestamp> Forecast_destination: időbélyeg-érték. Az előrejelzések egészen a forecast_destination időpontig készülnek, az összes szemre vonatkozóan. A(z) { grain -> timestamp } szótárbemenet nem fogadható el. Ha forecast_destination nincs megadva, akkor azt a X_pred minden gabona esetében az utolsó alkalommal számítjuk fel. Alapértelmezett érték: None
ignore_data_errors	bool A felhasználói adatok hibáinak figyelmen kívül hagyása. Alapértelmezett érték: False

predict

Küldjön be egy feladatot, amely futtatja az előrejelzést a modellen az adott értékekhez.

predict(values: Any) -> AbstractDataset

Paraméterek

Name	Description
values Kötelező	AbstractDataset vagy DataFrame vagy ndarray Bemeneti tesztadatok a prediktív futtatáshoz.

Válaszok

Típus	Description
	Az előrejelzett értékek.

predict_proba

Küldjön be egy feladatot, hogy predict_proba futtasson a modellen az adott értékekhez.

predict_proba(values: Any) -> AbstractDataset

Paraméterek

Name	Description
values Kötelező	AbstractDataset vagy DataFrame vagy ndarray Bemeneti tesztadatok a prediktív futtatáshoz.

Válaszok

Típus	Description
	Az előrejelzett értékek.

test

Előrejelzések lekérése a és a test_data kapcsolódó metrikákból.

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

Paraméterek

Name	Description
test_data Kötelező	A tesztadatkészlet.
include_predictions_only	Azt jelzi, hogy az előrejelzéseket csak a predictions.csv kimenet részeként adja-e hozzá. Ha ez a paraméter, True akkor a kimeneti CSV-oszlopok a következőképpen néznek ki (az előrejelzés megegyezik a regresszióval): Classification => [predicted values], [probabilities] Regression => [predicted values] else (alapértelmezett): Classification => [original test data labels], [predicted values], [probabilities], [features] Regression => [original test data labels], [predicted values], [features] Az [original test data labels] oszlop neve = [label column name] + "_orig". Az [predicted values] oszlop neve = [label column name] + "_predicted". Az [probabilities] oszlopnevek = [class name] + "_predicted_proba". Az [features] oszlopnevek = [feature column name] + "_orig". Ha a test_data nem tartalmaz céloszlopot, akkor [original test data labels] nem lesz a kimeneti adatkeretben. Alapértelmezett érték: False

Válaszok

Típus	Description
	Az előrejelzett értékeket és a metrikákat tartalmazó rekord.