microsoftml.rx_predict: Pontszámok Microsoft gépi tanulási modell segítségével

Usage

microsoftml.rx_predict(model,
    data: typing.Union[revoscalepy.datasource.RxDataSource.RxDataSource,
    pandas.core.frame.DataFrame],
    output_data: typing.Union[revoscalepy.datasource.RxDataSource.RxDataSource,
    str] = None, write_model_vars: bool = False,
    extra_vars_to_write: list = None, suffix: str = None,
    overwrite: bool = False, data_threads: int = None,
    blocks_per_read: int = None, report_progress: int = None,
    verbose: int = 1,
    compute_context: revoscalepy.computecontext.RxComputeContext.RxComputeContext = None,
    **kargs)

Description

A jelentések instantánkénti pontozása egy adatkeretet vagy revoscalepy adatforrást eredményez, amely egy betanított Microsoft ML Machine Learning modellt használ arevoscalepydata forrással.

Részletek

A következő elemek jelennek meg a kimenetelben alapértelmezettként: három változó pontozása a bináris osztályozók számára: PredictedLabel, Score és Probability; a oneClassSvm és regressziós osztályozók pontszáma; PredictedLabel többosztályos osztályosztályozó típusokhoz, valamint egy változót minden kategóriához, amelyet a pontszám előz.

Arguments

modell

Egy modellinformációs objektum, amely egy microsoftml modellből származik. Például egy objektum visszatér vagy rx_logistic_regression-rőlrx_fast_trees.

adat

Egy revoszkálázó adatforrás objektum, adatkeret vagy a fájlhoz vezető út .xdf .

output_data

Kimeneti szöveg vagy xdf fájlnév, vagy írási RxDataSource lehetőséggel rendelkező fájl, amelyben átalakított adatokat tárolhat. Ha nincs, akkor egy adatkeret kerül vissza. Az alapértelmezett érték Nincs.

write_model_vars

Ha True, akkor a modell változói a kimeneti adathalmazba íródnak a pontozási változók mellett. Ha a bemeneti adathalmazból származó változókat átalakítják a modellben, akkor a transzformált változók is belekerülnek. Az alapértelmezett érték a False.

extra_vars_to_write

None vagy további változók karaktervektorát a bemeneti adatból, hogy bekerüljön a output_data. Ha write_model_vars az , Trueakkor a modellváltozók is szerepelnek. Az alapértelmezett érték a None.

suffix

Egy karakterlánc, amely a létrehozott pontozási változó(k None )hoz vagy a létrehozott változóhoz csatolt utótagot jelöl, nincs toldalitag. Az alapértelmezett érték a None.

felülír

Ha True, egy létező output_data felülírt; ha False egy létező output_data nem felülírt. Az alapértelmezett érték a False.

data_threads

Egy egész szám, amely meghatározza a kívánt párhuzamossági fokot az adatvezetékben. Ha nincs, akkor a használt szálak számát belsőleg határozzák meg. Az alapértelmezett érték Nincs.

blocks_per_read

Megadja az adatforrásból beolvasott adattömbök olvasási blokkjainak számát.

report_progress

Egész számérték, amely a sorfeldolgozási folyamat jelentési szintjét határozza meg:

0: nem jelent előrehaladást.
1: a feldolgozott sorok száma ki lesz nyomtatva és frissítve.
2: a feldolgozott sorok és az időzítések jelentése.
3: feldolgozott sorok és az összes időzítés jelentése.

Az alapértelmezett érték a 1.

bővebb

Egy egész szám, amely meghatározza a kívánt kimenet mennyiségét. Ha 0, a számítások során a rendszer nem nyomtat részletes kimenetet. Egész számértékek a 1 növekvő mennyiségű információ biztosításához 4 . Az alapértelmezett érték a 1.

compute_context

Beállítja a számítások végrehajtásának környezetét egy érvényes revoscalepy-val megadva. RxComputeContext. Jelenleg helyi és revoscalepy. Az RxInSqlServer számítási környezetek támogatottak.

kargs

A számítási motornak küldött további argumentumok.

Visszatérítések

Adatkeret vagy revoskália. RxDataSource objektum, amely a létrehozott kimeneti adatokat képviseli. Alapértelmezés szerint a pontozási bináris osztályozók kimenetei három változót tartalmaznak: , , és Probability; rx_oneclass_svm és a regresszió egy változót tartalmaz: Score; és a többosztályos osztályosztályozó PredictedLabel minden kategóriához plusz egy változót tartalmaz, amelyet előzőben Score. ScorePredictedLabel Ha az a suffix megadásra kerül, hozzáadják a kimeneti változónevek végéhez.

Bináris besorolási példa

'''
Binary Classification.
'''
import numpy
import pandas
from microsoftml import rx_fast_linear, rx_predict
from revoscalepy.etl.RxDataStep import rx_data_step
from microsoftml.datasets.datasets import get_dataset

infert = get_dataset("infert")

import sklearn
if sklearn.__version__ < "0.18":
    from sklearn.cross_validation import train_test_split
else:
    from sklearn.model_selection import train_test_split

infertdf = infert.as_df()
infertdf["isCase"] = infertdf.case == 1
data_train, data_test, y_train, y_test = train_test_split(infertdf, infertdf.isCase)

forest_model = rx_fast_linear(
    formula=" isCase ~ age + parity + education + spontaneous + induced ",
    data=data_train)
    
# RuntimeError: The type (RxTextData) for file is not supported.
score_ds = rx_predict(forest_model, data=data_test,
                     extra_vars_to_write=["isCase", "Score"])
                     
# Print the first five rows
print(rx_data_step(score_ds, number_rows_read=5))

Output:

Automatically adding a MinMax normalization transform, use 'norm=Warn' or 'norm=No' to turn this behavior off.
Beginning processing data.
Rows Read: 186, Read Time: 0, Transform Time: 0
Beginning processing data.
Beginning processing data.
Rows Read: 186, Read Time: 0.001, Transform Time: 0
Beginning processing data.
Beginning processing data.
Rows Read: 186, Read Time: 0.001, Transform Time: 0
Beginning processing data.
Using 2 threads to train.
Automatically choosing a check frequency of 2.
Auto-tuning parameters: maxIterations = 8064.
Auto-tuning parameters: L2 = 2.666837E-05.
Auto-tuning parameters: L1Threshold (L1/L2) = 0.
Using best model from iteration 590.
Not training a calibrator because it is not needed.
Elapsed time: 00:00:00.6058289
Elapsed time: 00:00:00.0084728
Beginning processing data.
Rows Read: 62, Read Time: 0, Transform Time: 0
Beginning processing data.
Elapsed time: 00:00:00.0302359
Finished writing 62 rows.
Writing completed.
Rows Read: 5, Total Rows Processed: 5, Total Chunk Time: 0.001 seconds 
  isCase PredictedLabel     Score  Probability
0  False           True  0.576775     0.640325
1  False          False -2.929549     0.050712
2   True          False -2.370090     0.085482
3  False          False -1.700105     0.154452
4  False          False -0.110981     0.472283

Regressziós példa

'''
Regression.
'''
import numpy
import pandas
from microsoftml import rx_fast_trees, rx_predict
from revoscalepy.etl.RxDataStep import rx_data_step
from microsoftml.datasets.datasets import get_dataset

airquality = get_dataset("airquality")

import sklearn
if sklearn.__version__ < "0.18":
    from sklearn.cross_validation import train_test_split
else:
    from sklearn.model_selection import train_test_split

airquality = airquality.as_df()


######################################################################
# Estimate a regression fast forest
# Use the built-in data set 'airquality' to create test and train data

df = airquality[airquality.Ozone.notnull()]
df["Ozone"] = df.Ozone.astype(float)

data_train, data_test, y_train, y_test = train_test_split(df, df.Ozone)

airFormula = " Ozone ~ Solar_R + Wind + Temp "

# Regression Fast Forest for train data
ff_reg = rx_fast_trees(airFormula, method="regression", data=data_train)

# Put score and model variables in data frame
score_df = rx_predict(ff_reg, data=data_test, write_model_vars=True)
print(score_df.head())

# Plot actual versus predicted values with smoothed line
# Supported in the next version.
# rx_line_plot(" Score ~ Ozone ", type=["p", "smooth"], data=score_df)