datadrift Pacchetto

Contiene la funzionalità da rilevare quando i dati di training del modello sono stati spostati dai dati di assegnazione dei punteggi.

In Machine Learning, deriva dei dati è la modifica nei dati di input del modello che causano una riduzione delle prestazioni del modello. È uno dei motivi principali per cui l'accuratezza del modello si degrada nel tempo, pertanto il monitoraggio della deriva dei dati consente di rilevare i problemi di prestazioni del modello. Questo pacchetto consente di rilevare e avvisare la deriva dei dati.

La classe DataDriftDetector consente di configurare un oggetto monitoraggio dati che può quindi essere eseguito come processo per analizzare la deriva dei dati. I processi di deriva dei dati possono essere eseguiti in modo interattivo o abilitato per l'esecuzione in base a una pianificazione. È possibile configurare avvisi quando la deriva dei dati supera una soglia con la classe AlertConfiguration.

Moduli

alert_configuration	Contiene funzionalità per la configurazione degli avvisi di deviazione dei dati in Azure Machine Learning.
datadriftdetector	Contiene le funzionalità di base per rilevare la deriva dei dati tra due set di dati in Azure Machine Learning. La deriva dei dati viene misurata tramite set di dati o distribuzioni e si basa sull'API Dataset.

Classi

AlertConfiguration	Rappresenta la configurazione degli avvisi per i processi di deriva dei dati. La classe AlertConfiguration consente di impostare avvisi configurabili (ad esempio posta elettronica) nei DataDriftDetector processi. È possibile specificare la configurazione degli avvisi quando si usa uno dei metodi di creazione della classe DataDriftDetector. Costruttore. Consente di impostare avvisi configurabili ,ad esempio posta elettronica, nei processi DataDriftDetector.
DataDriftDetector	Definisce un monitoraggio della deriva dei dati che può essere usato per eseguire processi di deriva dei dati in Azure Machine Learning. La classe DataDriftDetector consente di identificare la deriva tra una baseline specifica e un set di dati di destinazione specificati. Un oggetto DataDriftDetector viene creato in un'area di lavoro specificando direttamente i set di dati di base e di destinazione. Per altre informazioni, vedere https://aka.ms/datadrift. Costruttore Datadriftdetector. Il costruttore DataDriftDetector viene usato per recuperare una rappresentazione cloud di un oggetto DataDriftDetector associato all'area di lavoro specificata.
Metric	Rappresenta una metrica restituita in un'analisi della deriva dei dati. La classe Metrica è solo per l'utilizzo interno. Usare il get_output metodo di un DataDriftDetector oggetto per restituire le metriche. Costruttore metrica.
ModelServingDataset	Rappresenta un set di dati utilizzato internamente quando viene creato un oggetto DataDriftDetector basato su modello. Un dataDriftDetector basato su modello consente di calcolare la deriva dei dati tra il set di dati di training di un modello e il set di dati di assegnazione dei punteggi. Per creare un oggetto DataDriftDetector basato su modello, usare il <xref:azureml.datadrift.DataDriftDetector.create_from_model> metodo . Costruttore.

Enumerazioni

MetricType

Definisce i tipi di metriche restituiti in un'analisi della deriva dei dati. Usare il get_output metodo di un DataDriftDetector oggetto per restituire le metriche.