Bagikan melalui

AutoMLRun Kelas

  • Referensi

Mewakili eksperimen ML otomatis yang dieksekusi di Azure Machine Learning.

Kelas AutoMLRun dapat digunakan untuk mengelola status eksekusi, periksa eksekusi, dan mengambil detail eksekusi setelah eksekusi AutoML dikirimkan. Untuk informasi selengkapnya tentang bekerja dengan eksperimen berjalan, lihat kelas Run.

Menginisialisasi eksekusi AutoML.

Warisan
Run
AutoMLRun

Konstruktor

AutoMLRun(experiment, run_id, **kwargs)

Parameter

Nama Deskripsi
experiment
Diperlukan
Experiment

Eksperimen yang terkait dengan eksekusi.
run_id
Diperlukan
str

ID eksekusi.
experiment
Diperlukan
Experiment

Eksperimen yang terkait dengan eksekusi.
run_id
Diperlukan
str

ID eksekusi.

Keterangan

Objek AutoMLRun dikembalikan saat Anda menggunakan metode submit dari eksperimen.

Untuk mengambil eksekusi yang telah dimulai, gunakan kode berikut:


   from azureml.train.automl.run import AutoMLRun
   ws = Workspace.from_config()
   experiment = ws.experiments['my-experiment-name']
   automl_run = AutoMLRun(experiment, run_id = 'AutoML_9fe201fe-89fd-41cc-905f-2f41a5a98883')

Metode

cancel

Batalkan eksekusi AutoML.

Kembalikan True jika eksekusi AutoML berhasil dibatalkan.
cancel_iteration

Batalkan eksekusi turunan tertentu.
complete

Selesaikan Eksekusi AutoML.
continue_experiment

Lanjutkan eksperimen AutoML yang sudah ada.
fail

Gagalkan Eksekusi AutoML.

Secara opsional, atur properti Error dari eksekusi dengan pesan atau pengecualian yang diteruskan ke error_details.
get_best_child

Kembalikan eksekusi turunan dengan skor terbaik untuk Eksekusi AutoML ini.
get_guardrails

Cetak dan kembalikan hasil terperinci dari menjalankan verifikasi Guardrail.
get_output

Kembalikan eksekusi dengan alur terbaik yang sesuai yang telah diuji.

Jika tidak ada parameter input yang disediakan, get_output mengembalikan alur terbaik menurut metrik utama. Atau, Anda dapat menggunakan parameter iteration atau metric untuk mengambil perulangan tertentu atau eksekusi terbaik per metrik yang disediakan, masing-masing.
get_run_sdk_dependencies

Dapatkan dependensi eksekusi SDK untuk eksekusi tertentu.
pause

Kembalikan True jika eksekusi AutoML berhasil dihentikan sementara.

Metode ini tidak diterapkan.
register_model

Daftarkan model dengan layanan AzureML ACI.
resume

Kembalikan True jika eksekusi AutoML berhasil dilanjutkan sementara.

Metode ini tidak diterapkan.
retry

Kembalikan True jika proses AutoML berhasil dicoba kembali.

Metode ini tidak diterapkan.
summary

Dapatkan tabel yang berisi ringkasan algoritma yang dicoba dan skornya.
wait_for_completion

Tunggu sampai eksekusi ini selesai.

Menampilkan objek status setelah menunggu.

cancel

Batalkan eksekusi AutoML.

Kembalikan True jika eksekusi AutoML berhasil dibatalkan.

cancel()

Mengembalikan

Jenis Deskripsi

Tidak ada

cancel_iteration

Batalkan eksekusi turunan tertentu.

cancel_iteration(iteration)

Parameter

Nama Deskripsi
iteration
Diperlukan
int

Perulangan untuk membatalkan.

Mengembalikan

Jenis Deskripsi

Tidak ada

complete

Selesaikan Eksekusi AutoML.

complete(**kwargs)

Mengembalikan

Jenis Deskripsi

Tidak ada

continue_experiment

Lanjutkan eksperimen AutoML yang sudah ada.

continue_experiment(X=None, y=None, sample_weight=None, X_valid=None, y_valid=None, sample_weight_valid=None, data=None, label=None, columns=None, cv_splits_indices=None, spark_context=None, experiment_timeout_hours=None, experiment_exit_score=None, iterations=None, show_output=False, training_data=None, validation_data=None, **kwargs)

Parameter

Nama Deskripsi
X
DataFrame atau ndarray atau <xref:azureml.dataprep.Dataflow>

Fitur pelatihan.

Nilai default: None
y
DataFrame atau ndarray atau <xref:azureml.dataprep.Dataflow>

Label pelatihan.

Nilai default: None
sample_weight
DataFrame atau ndarray atau <xref:azureml.dataprep.Dataflow>

Sampel bobot untuk data pelatihan.

Nilai default: None
X_valid
DataFrame atau ndarray atau <xref:azureml.dataprep.Dataflow>

Fitur validasi.

Nilai default: None
y_valid
DataFrame atau ndarray atau <xref:azureml.dataprep.Dataflow>

Label validasi.

Nilai default: None
sample_weight_valid
DataFrame atau ndarray atau <xref:azureml.dataprep.Dataflow>

bobot sampel set validasi.

Nilai default: None
data
DataFrame

Fitur pelatihan dan label.

Nilai default: None
label
str

Beri label kolom dalam data.

Nilai default: None
columns
list(str)

Daftar kolom yang diizinkan dalam data untuk digunakan sebagai fitur.

Nilai default: None
cv_splits_indices
ndarray

Indeks pemisahan data pelatihan untuk validasi silang. Setiap baris adalah lipatan silang yang terpisah dan dalam setiap lipatan silang, menyediakan 2 array, yang pertama dengan indeks untuk sampel yang akan digunakan untuk data pelatihan dan yang kedua dengan indeks yang akan digunakan untuk data validasi. yaitu [[t1, v1], [t2, v2], ...] di mana t1 adalah indeks pelatihan untuk lipatan silang pertama dan v1 adalah indeks validasi untuk lipatan silang pertama.

Nilai default: None
spark_context
<xref:SparkContext>

Konteks spark, hanya berlaku saat digunakan di dalam lingkungan azure databricks/spark.

Nilai default: None
experiment_timeout_hours
float

Berapa jam tambahan untuk menjalankan eksperimen ini.

Nilai default: None
experiment_exit_score
int

Jika ditentukan, eksperimen dihentikan saat nilai ini tercapai.

Nilai default: None
iterations
int

Berapa banyak perulangan tambahan yang harus dijalankan untuk eksperimen ini.

Nilai default: None
show_output
bool

Bendera yang menunjukkan apakah akan mencetak output ke konsol.

Nilai default: False
training_data
<xref:azureml.dataprep.Dataflow> atau DataFrame

Input data pelatihan.

Nilai default: None
validation_data
<xref:azureml.dataprep.Dataflow> atau DataFrame

Data validasi.

Nilai default: None

Mengembalikan

Jenis Deskripsi
AutoMLRun

Induk AutoML dijalankan.

Pengecualian

Jenis Deskripsi
ConfigException
InvalidRunState

fail

Gagalkan Eksekusi AutoML.

Secara opsional, atur properti Error dari eksekusi dengan pesan atau pengecualian yang diteruskan ke error_details.

fail(error_details=None, error_code=None, _set_status=True, **kwargs)

Parameter

Nama Deskripsi
error_details
str atau BaseException

Detail kesalahan opsional.

Nilai default: None
error_code
str

Kode kesalahan opsional dari kesalahan untuk klasifikasi kesalahan.

Nilai default: None
_set_status
bool

Menunjukkan apakah akan mengirim peristiwa status untuk pelacakan.

Nilai default: True

get_best_child

Kembalikan eksekusi turunan dengan skor terbaik untuk Eksekusi AutoML ini.

get_best_child(metric: str | None = None, onnx_compatible: bool = False, **kwargs: Any) -> Run

Parameter

Nama Deskripsi
metric
str

Metrik yang digunakan saat memilih eksekusi terbaik untuk pengembalian. Default ke metrik utama.

Nilai default: None
onnx_compatible

Apakah hanya mengembalikan eksekusi yang menghasilkan model onnx.

Nilai default: False
kwargs
Diperlukan

Mengembalikan

Jenis Deskripsi

Eksekusi Turunan AutoML.

get_guardrails

Cetak dan kembalikan hasil terperinci dari menjalankan verifikasi Guardrail.

get_guardrails(to_console: bool = True) -> Dict[str, Any]

Parameter

Nama Deskripsi
to_console
bool

Menunjukkan apakah akan menulis hasil verifikasi ke konsol.

Nilai default: True

Mengembalikan

Jenis Deskripsi
dict

Kamus hasil verifikator.

Pengecualian

Jenis Deskripsi
UserErrorException

get_output

Kembalikan eksekusi dengan alur terbaik yang sesuai yang telah diuji.

Jika tidak ada parameter input yang disediakan, get_output mengembalikan alur terbaik menurut metrik utama. Atau, Anda dapat menggunakan parameter iteration atau metric untuk mengambil perulangan tertentu atau eksekusi terbaik per metrik yang disediakan, masing-masing.

get_output(iteration: int | None = None, metric: str | None = None, return_onnx_model: bool = False, return_split_onnx_model: SplitOnnxModelName | None = None, **kwargs: Any) -> Tuple[Run, Any]

Parameter

Nama Deskripsi
iteration
int

Nomor perulangan dari model yang dijalankan dan pas sesuai untuk dikembalikan.

Nilai default: None
metric
str

Metrik yang akan digunakan saat memilih model yang dijalankan dan sangat sesuai untuk dikembalikan.

Nilai default: None
return_onnx_model
bool

Metode ini akan menampilkan model ONNX yang dikonversi jika parameter enable_onnx_compatible_models diatur ke True di objek AutoMLConfig.

Nilai default: False
return_split_onnx_model
SplitOnnxModelName

Jenis model split onnx yang akan ditampilkan

Nilai default: None

Mengembalikan

Jenis Deskripsi
Run, <xref:Model>

Eksekusi, model yang sesuai.

Pengecualian

Jenis Deskripsi
ConfigException
OnnxConvertException
NotFoundException

Keterangan

Jika Anda ingin memeriksa praprosesor dan algoritma (penaksir) yang digunakan, Anda dapat melakukannya melalui Model.steps, mirip dengan sklearn.pipeline.Pipeline.steps. Misalnya, kode di bawah ini menunjukkan cara mengambil penghitung.


   best_run, model = parent_run.get_output()
   estimator = model.steps[-1]

get_run_sdk_dependencies

Dapatkan dependensi eksekusi SDK untuk eksekusi tertentu.

get_run_sdk_dependencies(iteration=None, check_versions=True, **kwargs)

Parameter

Nama Deskripsi
iteration
int

Nomor perulangan yang dijalankan untuk diambil. Jika None, ambil lingkungan induk.

Nilai default: None
check_versions
bool

Jika True, periksa versi dengan lingkungan saat ini. Jika False, lewati.

Nilai default: True

Mengembalikan

Jenis Deskripsi
dict

Kamus dependensi diambil dari RunHistory.

Pengecualian

Jenis Deskripsi
ConfigException

pause

Kembalikan True jika eksekusi AutoML berhasil dihentikan sementara.

Metode ini tidak diterapkan.

pause()

Pengecualian

Jenis Deskripsi
NotImplementedError

register_model

Daftarkan model dengan layanan AzureML ACI.

register_model(model_name=None, description=None, tags=None, iteration=None, metric=None)

Parameter

Nama Deskripsi
model_name
str

Nama model yang disebarkan.

Nilai default: None
description
str

Deskripsi untuk model yang sedang disebarkan.

Nilai default: None
tags
dict

Tag untuk model yang sedang disebarkan.

Nilai default: None
iteration
int

Ganti model mana yang akan disebarkan. Menyebarkan model untuk perulangan yang diberikan.

Nilai default: None
metric
str

Ambil alih model mana yang disebarkan. Menyebarkan model terbaik untuk metrik berbeda.

Nilai default: None

Mengembalikan

Jenis Deskripsi
<xref:Model>

Objek model terdaftar.

resume

Kembalikan True jika eksekusi AutoML berhasil dilanjutkan sementara.

Metode ini tidak diterapkan.

resume()

Pengecualian

Jenis Deskripsi
NotImplementedError:

retry

Kembalikan True jika proses AutoML berhasil dicoba kembali.

Metode ini tidak diterapkan.

retry()

Pengecualian

Jenis Deskripsi
NotImplementedError

summary

Dapatkan tabel yang berisi ringkasan algoritma yang dicoba dan skornya.

summary()

Mengembalikan

Jenis Deskripsi
DataFrame

Pandas DataFrame berisi statistik model AutoML.

wait_for_completion

Tunggu sampai eksekusi ini selesai.

Menampilkan objek status setelah menunggu.

wait_for_completion(show_output=False, wait_post_processing=False)

Parameter

Nama Deskripsi
show_output
bool

Menunjukkan apakah akan menampilkan output eksekusi pada sys.stdout.

Nilai default: False
wait_post_processing
bool

Menunjukkan apakah akan menunggu pasca pemrosesan selesai setelah eksekusi selesai.

Nilai default: False

Mengembalikan

Jenis Deskripsi
dict

Objek status.

Pengecualian

Jenis Deskripsi
ExperimentExecutionException

Atribut

run_id

Kembalikan ID eksekusi dari eksekusi saat ini.

Mengembalikan

Jenis Deskripsi
str

ID eksekusi dari eksekusi saat ini.