Delen via


Schedules - Create Or Update

Planning maken of bijwerken.

PUT https://management.azure.com/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.MachineLearningServices/workspaces/{workspaceName}/schedules/{name}?api-version=2025-06-01

URI-parameters

Name In Vereist Type Description
name
path True

string

pattern: ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$

Planningsnaam.

resourceGroupName
path True

string

minLength: 1
maxLength: 90

De naam van de resourcegroep. De naam is hoofdletterongevoelig.

subscriptionId
path True

string

minLength: 1

De id van het doelabonnement.

workspaceName
path True

string

pattern: ^[a-zA-Z0-9][a-zA-Z0-9_-]{2,32}$

Naam van Azure Machine Learning-werkruimte.

api-version
query True

string

minLength: 1

De API-versie die voor deze bewerking moet worden gebruikt.

Aanvraagbody

Name Vereist Type Description
properties True

Schedule

[Vereist] Aanvullende kenmerken van de entiteit.

Antwoorden

Name Type Description
200 OK

ScheduleResource

Het maken of bijwerken van de aanvraag is voltooid.

201 Created

ScheduleResource

Gecreëerd

Kopteksten

  • x-ms-async-operation-timeout: string
  • Azure-AsyncOperation: string
Other Status Codes

ErrorResponse

Fout

Voorbeelden

CreateOrUpdate Schedule.

Voorbeeldaanvraag

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/schedules/string?api-version=2025-06-01

{
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "isEnabled": false,
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "Cron",
      "expression": "string"
    },
    "action": {
      "actionType": "InvokeBatchEndpoint",
      "endpointInvocationDefinition": {
        "9965593e-526f-4b89-bb36-761138cf2794": null
      }
    }
  }
}

Voorbeeldrespons

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "isEnabled": false,
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "Cron",
      "expression": "string"
    },
    "action": {
      "actionType": "InvokeBatchEndpoint",
      "endpointInvocationDefinition": {
        "d77a9a9a-4bb5-4c0c-8a77-459be8b82b9f": null
      }
    },
    "provisioningState": "Succeeded"
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "Key",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "Application"
  }
}
{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "isEnabled": false,
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "Cron",
      "expression": "string"
    },
    "action": {
      "actionType": "InvokeBatchEndpoint",
      "endpointInvocationDefinition": {
        "13ea51e0-ff28-49c3-a85d-9b5199eb14e5": null
      }
    },
    "provisioningState": "Failed"
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "Key",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

Definities

Name Description
AllFeatures
AllNodes

Alle knooppunten betekent dat de service wordt uitgevoerd op alle knooppunten van de taak

AmlToken

Configuratie van AML-tokenidentiteit.

AmlTokenComputeIdentity

Definitie van AML-token-rekenidentiteit.

AutoForecastHorizon

Voorspellingshorizon die automatisch wordt bepaald door het systeem.

AutoMLJob

AutoMLJob-klasse. Gebruik deze klasse voor het uitvoeren van AutoML-taken, zoals classificatie/regressie, enzovoort. Zie TaskType enum voor alle ondersteunde taken.

AutoNCrossValidations

N-Kruisvalidaties worden automatisch bepaald.

AutoSeasonality
AutoTargetLags
AutoTargetRollingWindowSize

Het doorlopende tijdvenster van het doel wordt automatisch bepaald.

AzureDevOpsWebhook

Webhookdetails specifiek voor Azure DevOps

BanditPolicy

Definieert een beleid voor vroegtijdige beëindiging op basis van slack-criteria en een frequentie- en vertragingsinterval voor evaluatie

BayesianSamplingAlgorithm

Definieert een sampling-algoritme waarmee waarden worden gegenereerd op basis van eerdere waarden

BlockedTransformers

Opsomming voor alle classificatiemodellen die worden ondersteund door AutoML.

CategoricalDataDriftMetric
CategoricalDataDriftMetricThreshold
CategoricalDataQualityMetric
CategoricalDataQualityMetricThreshold
CategoricalPredictionDriftMetric
CategoricalPredictionDriftMetricThreshold
Classification

Classificatietaak in autoML-tabel verticaal.

ClassificationModels

Opsomming voor alle classificatiemodellen die worden ondersteund door AutoML.

ClassificationMultilabelPrimaryMetrics

Primaire metrische gegevens voor het classificeren van taken met meerdere labels.

ClassificationPrimaryMetrics

Primaire metrische gegevens voor classificatietaken.

ClassificationTrainingSettings

Configuratie met betrekking tot classificatietraining.

CommandJob

Opdrachttaakdefinitie.

CommandJobLimits

Opdrachttaaklimietklasse.

createdByType

Het type identiteit waarmee de resource is gemaakt.

CreateMonitorAction
CronTrigger
CustomForecastHorizon

De gewenste maximale prognose horizon in eenheden van tijdreeksfrequentie.

CustomMetricThreshold
CustomModelJobInput
CustomModelJobOutput
CustomMonitoringSignal
CustomNCrossValidations

N-Kruisvalidaties worden opgegeven door de gebruiker.

CustomSeasonality
CustomTargetLags
CustomTargetRollingWindowSize
DataDriftMonitoringSignal
DataQualityMonitoringSignal
DistributionType

Enum om het taakdistributietype te bepalen.

EarlyTerminationPolicyType
EmailNotificationEnableType

Opsomming om het type e-mailmelding te bepalen.

EndpointScheduleAction
ErrorAdditionalInfo

Aanvullende informatie over de resourcebeheerfout.

ErrorDetail

De foutdetails.

ErrorResponse

Foutreactie

FeatureAttributionDriftMonitoringSignal
FeatureAttributionMetric
FeatureAttributionMetricThreshold
FeatureImportanceMode

De bewerkingsmodus voor het belang van computingfuncties.

FeatureImportanceSettings
FeatureLags

Vlag voor het genereren van vertragingen voor de numerieke functies.

FeatureSubset
FeaturizationMode

Featurization-modus: bepaalt de gegevens-featurization-modus.

FixedInputData

Definitie van invoergegevens opgelost.

ForecastHorizonMode

Opsomming om de selectiemodus voor de prognose horizon te bepalen.

Forecasting

Prognosetaak in autoML-tabel verticaal.

ForecastingModels

Opsomming voor alle prognosemodellen die worden ondersteund door AutoML.

ForecastingPrimaryMetrics

Primaire metrische gegevens voor de prognosetaak.

ForecastingSettings

Specifieke parameters voorspellen.

ForecastingTrainingSettings

Configuratie met betrekking tot training voorspellen.

Goal

Definieert ondersteunde metrische doelen voor het afstemmen van hyperparameters

GridSamplingAlgorithm

Definieert een sampling-algoritme dat alle waardecombinaties in de ruimte volledig genereert

IdentityConfigurationType

Enum om het identiteitsframework te bepalen.

ImageClassification

Afbeeldingsclassificatie. Afbeeldingsclassificatie met meerdere klassen wordt gebruikt wanneer een afbeelding wordt geclassificeerd met slechts één label uit een reeks klassen, bijvoorbeeld elke afbeelding wordt geclassificeerd als een afbeelding van een 'kat' of 'hond' of een 'eend'.

ImageClassificationMultilabel

Afbeeldingsclassificatie met meerdere labels. Afbeeldingsclassificatie met meerdere labels wordt gebruikt wanneer een afbeelding een of meer labels van een set labels kan hebben. Een afbeelding kan bijvoorbeeld worden gelabeld met zowel 'kat' als 'hond'.

ImageInstanceSegmentation

Segmentatie van afbeeldingsexemplaren. Instantiesegmentatie wordt gebruikt om objecten in een afbeelding op pixelniveau te identificeren, waarbij een veelhoek rond elk object in de afbeelding wordt getekend.

ImageLimitSettings

Instellingen voor de AutoML-taak beperken.

ImageModelDistributionSettingsClassification

Distributie-expressies om waarden van modelinstellingen te overschrijven. Enkele voorbeelden zijn:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelDistributionSettingsObjectDetection

Distributie-expressies om waarden van modelinstellingen te overschrijven. Enkele voorbeelden zijn:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelSettingsClassification

Instellingen die worden gebruikt voor het trainen van het model. Ga voor meer informatie over de beschikbare instellingen naar de officiële documentatie: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

ImageModelSettingsObjectDetection

Instellingen die worden gebruikt voor het trainen van het model. Ga voor meer informatie over de beschikbare instellingen naar de officiële documentatie: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

ImageObjectDetection

Detectie van afbeeldingsobjecten. Objectdetectie wordt gebruikt om objecten in een afbeelding te identificeren en elk object te zoeken met een begrenzingsvak, bijvoorbeeld om alle honden en katten in een afbeelding te zoeken en een begrenzingsvak rond elk object te tekenen.

ImageSweepSettings

Model opruimen en hyperparameter opruimen gerelateerde instellingen.

InputDeliveryMode

Enum om de leveringsmodus voor invoergegevens te bepalen.

InstanceSegmentationPrimaryMetrics

Primaire metrische gegevens voor InstanceSegmentation-taken.

JobInputType

Enum om het taakinvoertype te bepalen.

JobLimitsType
JobOutputType

Enum om het taakuitvoertype te bepalen.

JobResourceConfiguration
JobScheduleAction
JobService

Taakeindpuntdefinitie

JobStatus

De status van een taak.

JobTier

Enum om het taakniveau te bepalen.

JobType

Enum om het type taak te bepalen.

LearningRateScheduler

Inventarisatie van leersnelheidsplanner.

LiteralJobInput

Letterlijk invoertype.

LogVerbosity

Opsomming voor het instellen van de uitgebreidheid van logboeken.

ManagedComputeIdentity

Definitie van beheerde compute-identiteit.

ManagedIdentity

Configuratie van beheerde identiteit.

ManagedServiceIdentity

Beheerde service-identiteit (door het systeem toegewezen en/of door de gebruiker toegewezen identiteiten)

ManagedServiceIdentityType

Type beheerde service-identiteit (waarbij zowel SystemAssigned- als UserAssigned-typen zijn toegestaan).

MedianStoppingPolicy

Definieert een beleid voor vroegtijdige beëindiging op basis van de lopende gemiddelden van de primaire metrische gegevens van alle uitvoeringen

MLFlowModelJobInput
MLFlowModelJobOutput
MLTableJobInput
MLTableJobOutput
ModelSize

Grootte van afbeeldingsmodel.

ModelTaskType

Modeltaaktype enum.

MonitorComputeIdentityType

Bewaak het type rekenidentiteit.

MonitorComputeType

Bewaak het rekentype enum.

MonitorDefinition
MonitorEmailNotificationSettings
MonitoringFeatureDataType
MonitoringFeatureFilterType
MonitoringInputDataType

Opsomming van invoergegevenstype bewaken.

MonitoringNotificationType
MonitoringSignalType
MonitoringTarget

Doeldefinitie bewaken.

MonitoringThreshold
MonitorNotificationSettings
MonitorServerlessSparkCompute

Serverloze Spark-berekeningsdefinitie bewaken.

Mpi

MPI-distributieconfiguratie.

NCrossValidationsMode

Bepaalt hoe de waarde van N-Kruisvalidaties wordt bepaald.

NlpVerticalFeaturizationSettings
NlpVerticalLimitSettings

Beperkingen voor taakuitvoering.

NodesValueType

De opgesomde typen voor de waarde van de knooppunten

NotificationSetting

Configuratie voor melding.

NumericalDataDriftMetric
NumericalDataDriftMetricThreshold
NumericalDataQualityMetric
NumericalDataQualityMetricThreshold
NumericalPredictionDriftMetric
NumericalPredictionDriftMetricThreshold
ObjectDetectionPrimaryMetrics

Primaire metrische gegevens voor de taak Image ObjectDetection.

Objective

Optimalisatiedoelstelling.

OutputDeliveryMode

Opsommingen van uitvoergegevensleveringsmodus.

PipelineJob

Definitie van pijplijntaak: definieert algemene MFE-kenmerken.

PredictionDriftMonitoringSignal
PyTorch

PyTorch-distributieconfiguratie.

QueueSettings
RandomSamplingAlgorithm

Definieert een sampling-algoritme waarmee willekeurig waarden worden gegenereerd

RandomSamplingAlgorithmRule

Het specifieke type willekeurig algoritme

RecurrenceFrequency

Opsomming om de frequentie van een terugkeerschema te beschrijven

RecurrenceSchedule
RecurrenceTrigger
Regression

Regressietaak in autoML-tabel verticaal.

RegressionModels

Opsomming voor alle Regressiemodellen die worden ondersteund door AutoML.

RegressionPrimaryMetrics

Primaire metrische gegevens voor regressietaak.

RegressionTrainingSettings

Configuratie met betrekking tot regressietraining.

RollingInputData

Definitie van rolling invoergegevens.

SamplingAlgorithmType
Schedule

Basisdefinitie van een schema

ScheduleActionType
ScheduleProvisioningStatus
ScheduleResource

Resource-envelop van Azure Resource Manager.

SeasonalityMode

Seizoensgebondenheidsmodus voorspellen.

ShortSeriesHandlingConfiguration

De parameter die definieert hoe autoML korte tijdreeksen moet verwerken.

SparkJob

Spark-taakdefinitie.

SparkJobEntryType
SparkJobPythonEntry
SparkJobScalaEntry
SparkResourceConfiguration
StackEnsembleSettings

Geavanceerde instelling voor het aanpassen van StackEnsemble-uitvoering.

StackMetaLearnerType

De meta-learner is een model dat is getraind op de uitvoer van de afzonderlijke heterogene modellen. Standaardmetaleerders zijn LogisticRegression voor classificatietaken (of LogisticRegressionCV als kruisvalidatie is ingeschakeld) en ElasticNet voor regressie-/prognosetaken (of ElasticNetCV als kruisvalidatie is ingeschakeld). Deze parameter kan een van de volgende tekenreeksen zijn: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor of LinearRegression

StaticInputData

Definitie van statische invoergegevens.

StochasticOptimizer

Stochastic Optimizer voor afbeeldingsmodellen.

SweepJob

Taakdefinitie opruimen.

SweepJobLimits

Sweep Taaklimietklasse.

systemData

Metagegevens met betrekking tot het maken en de laatste wijziging van de resource.

TableVerticalFeaturizationSettings

Featurisatie configuratie.

TableVerticalLimitSettings

Beperkingen voor taakuitvoering.

TargetAggregationFunction

Statistische doelfunctie.

TargetLagsMode

Doelvertragingsselectiemodi.

TargetRollingWindowSizeMode

Doelmodus voor rollende vensters.

TaskType

Type AutoMLJob-taak.

TensorFlow

TensorFlow-distributieconfiguratie.

TextClassification

Tekstclassificatietaak in AutoML NLP verticaal. NLP - Natuurlijke taalverwerking.

TextClassificationMultilabel

Taak voor tekstclassificatie met meerdere labels in AutoML NLP verticaal. NLP - Natuurlijke taalverwerking.

TextNer

Text-NER taak in AutoML NLP verticaal. NER: Herkenning van benoemde entiteiten. NLP - Natuurlijke taalverwerking.

TopNFeaturesByAttribution
TrialComponent

Definitie van proefonderdeel.

TriggerType
TritonModelJobInput
TritonModelJobOutput
TruncationSelectionPolicy

Definieert een beleid voor vroegtijdige beëindiging dat een bepaald percentage uitvoeringen annuleert bij elk evaluatie-interval.

UriFileJobInput
UriFileJobOutput
UriFolderJobInput
UriFolderJobOutput
UserAssignedIdentity

Door de gebruiker toegewezen identiteitseigenschappen

UserIdentity

Configuratie van gebruikersidentiteit.

UseStl

Configureer STL-decompositie van de doelkolom van de tijdreeks.

ValidationMetricType

Metrische berekeningsmethode voor validatiegegevens in afbeeldingstaken.

WebhookType

Enum om het servicetype webhook callback te bepalen.

WeekDay

Opsomming van weekdag

AllFeatures

Name Type Description
filterType string:

AllFeatures

[Vereist] Hiermee geeft u het functiefilter op dat moet worden gebruikt bij het selecteren van functies om metrische gegevens te berekenen.

AllNodes

Alle knooppunten betekent dat de service wordt uitgevoerd op alle knooppunten van de taak

Name Type Description
nodesValueType string:

All

[Vereist] Type van de waarde Knooppunten

AmlToken

Configuratie van AML-tokenidentiteit.

Name Type Description
identityType string:

AMLToken

[Vereist] Hiermee geeft u het type identiteitsframework op.

AmlTokenComputeIdentity

Definitie van AML-token-rekenidentiteit.

Name Type Description
computeIdentityType string:

AmlToken

[Vereist] Hiermee geeft u het type identiteit op dat moet worden gebruikt binnen de bewakingstaken.

AutoForecastHorizon

Voorspellingshorizon die automatisch wordt bepaald door het systeem.

Name Type Description
mode string:

Auto

[Vereist] Stel de selectiemodus voor de waarde van de prognose horizon in.

AutoMLJob

AutoMLJob-klasse. Gebruik deze klasse voor het uitvoeren van AutoML-taken, zoals classificatie/regressie, enzovoort. Zie TaskType enum voor alle ondersteunde taken.

Name Type Default value Description
componentId

string

ARM-resource-id van de onderdeelresource.

computeId

string

ARM-resource-id van de rekenresource.

description

string

De tekst van de assetbeschrijving.

displayName

string

Weergavenaam van taak.

environmentId

string

De ARM-resource-id van de omgevingsspecificatie voor de taak. Dit is een optionele waarde die moet worden opgegeven, indien niet opgegeven, wordt deze standaard ingesteld op de door AutoML samengestelde omgevingsversie van Productie bij het uitvoeren van de taak.

environmentVariables

object

Omgevingsvariabelen die zijn opgenomen in de taak.

experimentName

string

Default

De naam van het experiment waartoe de taak behoort. Als deze niet is ingesteld, wordt de taak in het standaardexperiment geplaatst.

identity IdentityConfiguration:

Identiteitsconfiguratie. Indien ingesteld, moet dit een van AmlToken, ManagedIdentity, UserIdentity of null zijn. Standaard ingesteld op AmlToken als null.

isArchived

boolean

False

Is de asset gearchiveerd?

jobType string:

AutoML

[Vereist] Hiermee geeft u het type taak.

notificationSetting

NotificationSetting

Meldingsinstelling voor de taak

outputs

object

Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt.

properties

object

De woordenlijst voor asseteigenschappen.

queueSettings

QueueSettings

Wachtrijinstellingen voor de taak

resources

JobResourceConfiguration

{}

Rekenresourceconfiguratie voor de taak.

services

<string,  JobService>

Lijst met JobEndpoints. Voor lokale taken heeft een taakeindpunt een eindpuntwaarde van FileStreamObject.

status

JobStatus

Status van de taak.

tags

object

Tagwoordenlijst. Tags kunnen worden toegevoegd, verwijderd en bijgewerkt.

taskDetails AutoMLVertical:

[Vereist] Dit vertegenwoordigt een scenario dat een van tabellen/NLP/Image kan zijn

AutoNCrossValidations

N-Kruisvalidaties worden automatisch bepaald.

Name Type Description
mode string:

Auto

[Vereist] Modus voor het bepalen van N-Kruisvalidaties.

AutoSeasonality

Name Type Description
mode string:

Auto

[Vereist] Seizoensgebondenheidsmodus.

AutoTargetLags

Name Type Description
mode string:

Auto

[Vereist] Doelvertragingsmodus instellen - Automatisch/aangepast

AutoTargetRollingWindowSize

Het doorlopende tijdvenster van het doel wordt automatisch bepaald.

Name Type Description
mode string:

Auto

[Vereist] TargetRollingWindowSiz-detectiemodus.

AzureDevOpsWebhook

Webhookdetails specifiek voor Azure DevOps

Name Type Description
eventType

string

Callback verzenden voor een opgegeven meldings gebeurtenis

webhookType string:

AzureDevOps

[Vereist] Hiermee geeft u het type service voor het verzenden van een callback

BanditPolicy

Definieert een beleid voor vroegtijdige beëindiging op basis van slack-criteria en een frequentie- en vertragingsinterval voor evaluatie

Name Type Default value Description
delayEvaluation

integer (int32)

0

Aantal intervallen waarmee de eerste evaluatie moet worden vertraagd.

evaluationInterval

integer (int32)

0

Interval (aantal uitvoeringen) tussen beleidsevaluaties.

policyType string:

Bandit

[Vereist] Naam van beleidsconfiguratie

slackAmount

number (float)

0

Absolute afstand die is toegestaan vanaf de best presterende uitvoering.

slackFactor

number (float)

0

Verhouding van de toegestane afstand van de best presterende uitvoering.

BayesianSamplingAlgorithm

Definieert een sampling-algoritme waarmee waarden worden gegenereerd op basis van eerdere waarden

Name Type Description
samplingAlgorithmType string:

Bayesian

[Vereist] Het algoritme dat wordt gebruikt voor het genereren van hyperparameterwaarden, samen met configuratie-eigenschappen

BlockedTransformers

Opsomming voor alle classificatiemodellen die worden ondersteund door AutoML.

Waarde Description
CatTargetEncoder

Doelcodering voor categorische gegevens.

CountVectorizer

Count Vectorizer converteert een verzameling tekstdocumenten naar een matrix met tokenaantallen.

HashOneHotEncoder

Hashing One Hot Encoder kan categorische variabelen omzetten in een beperkt aantal nieuwe functies. Dit wordt vaak gebruikt voor categorische kenmerken met een hoge kardinaliteit.

LabelEncoder

Labelcodering converteert labels/categorische variabelen in een numerieke vorm.

NaiveBayes

Naive Bayes is een geclassificeerde classificatie die wordt gebruikt voor het classificeren van discrete functies die categorisch worden gedistribueerd.

OneHotEncoder

Ohe hot codering maakt een binaire functietransformatie.

TextTargetEncoder

Doelcodering voor tekstgegevens.

TfIdf

Tf-Idf staat voor de inverse tijdsfrequentie van het document. Dit is een algemene term wegingsschema voor het identificeren van informatie uit documenten.

WoETargetEncoder

Het gewicht van evidence-codering is een techniek die wordt gebruikt om categorische variabelen te coderen. Het maakt gebruik van het natuurlijke logboek van de P(1)/P(0) om gewichten te creëren.

WordEmbedding

Word-insluiting helpt woorden of woordgroepen weer te geven als een vector of een reeks getallen.

CategoricalDataDriftMetric

Waarde Description
JensenShannonDistance

De metrische gegevens van Jensen Shannon Distance (JSD).

PearsonsChiSquaredTest

De metric Pearsons Chi Squared Test.

PopulationStabilityIndex

De psi-meetwaarde (Population Stability Index).

CategoricalDataDriftMetricThreshold

Name Type Description
dataType string:

Categorical

[Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op.

metric

CategoricalDataDriftMetric

[Vereist] De categorische gegevensdriftwaarde die moet worden berekend.

threshold

MonitoringThreshold

De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde.

CategoricalDataQualityMetric

Waarde Description
DataTypeErrorRate

Berekent de snelheid van fouten van het gegevenstype.

NullValueRate

Berekent de snelheid van null-waarden.

OutOfBoundsRate

Berekent de snelheidswaarden buiten de grenzen.

CategoricalDataQualityMetricThreshold

Name Type Description
dataType string:

Categorical

[Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op.

metric

CategoricalDataQualityMetric

[Vereist] De meetwaarde voor categorische gegevenskwaliteit die moet worden berekend.

threshold

MonitoringThreshold

De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde.

CategoricalPredictionDriftMetric

Waarde Description
JensenShannonDistance

De metrische gegevens van Jensen Shannon Distance (JSD).

PearsonsChiSquaredTest

De metric Pearsons Chi Squared Test.

PopulationStabilityIndex

De psi-meetwaarde (Population Stability Index).

CategoricalPredictionDriftMetricThreshold

Name Type Description
dataType string:

Categorical

[Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op.

metric

CategoricalPredictionDriftMetric

[Vereist] De categorische voorspellingsdriftwaarde die moet worden berekend.

threshold

MonitoringThreshold

De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde.

Classification

Classificatietaak in autoML-tabel verticaal.

Name Type Default value Description
cvSplitColumnNames

string[]

Kolommen die moeten worden gebruikt voor CVSplit-gegevens.

featurizationSettings

TableVerticalFeaturizationSettings

Featurization-invoer die nodig is voor de AutoML-taak.

limitSettings

TableVerticalLimitSettings

Uitvoeringsbeperkingen voor AutoMLJob.

logVerbosity

LogVerbosity

Info

Logboek uitgebreidheid voor de taak.

nCrossValidations NCrossValidations:

Het aantal kruisvalidatievouwen dat moet worden toegepast op de trainingsgegevensset wanneer er geen validatiegegevensset wordt opgegeven.

positiveLabel

string

Positief label voor berekening van binaire metrische gegevens.

primaryMetric

ClassificationPrimaryMetrics

AUCWeighted

Primaire metrische gegevens voor de taak.

targetColumnName

string

Naam van doelkolom: dit is de kolom voorspellingswaarden. Ook wel labelkolomnaam genoemd in de context van classificatietaken.

taskType string:

Classification

[Vereist] Taaktype voor AutoMLJob.

testData

MLTableJobInput

Gegevensinvoer testen.

testDataSize

number (double)

Het deel van de testgegevensset dat moet worden gereserveerd voor validatiedoeleinden. Waarden tussen (0.0, 1.0) Toegepast wanneer er geen validatiegegevensset wordt opgegeven.

trainingData

MLTableJobInput

[Vereist] Invoer van trainingsgegevens.

trainingSettings

ClassificationTrainingSettings

Invoer voor de trainingsfase voor een AutoML-taak.

validationData

MLTableJobInput

Invoer van validatiegegevens.

validationDataSize

number (double)

Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden. Waarden tussen (0.0, 1.0) Toegepast wanneer er geen validatiegegevensset wordt opgegeven.

weightColumnName

string

De naam van de kolom met de steekproefgewicht. Geautomatiseerde ML ondersteunt een gewogen kolom als invoer, waardoor rijen in de gegevens omhoog of omlaag worden gewogen.

ClassificationModels

Opsomming voor alle classificatiemodellen die worden ondersteund door AutoML.

Waarde Description
BernoulliNaiveBayes

Naive Bayes-classificatie voor multivariate Bernoulli-modellen.

DecisionTree

Beslissingsstructuren zijn een niet-parametrische leermethode die wordt gebruikt voor zowel classificatie- als regressietaken. Het doel is om een model te maken dat de waarde van een doelvariabele voorspelt door eenvoudige beslissingsregels te leren die zijn afgeleid van de gegevensfuncties.

ExtremeRandomTrees

Extreme Trees is een ensemble machine learning-algoritme dat de voorspellingen van veel beslissingsstructuren combineert. Het is gerelateerd aan het veelgebruikte willekeurige forestalgoritme.

GradientBoosting

De techniek van het doorvoeren van weekleerders naar een sterke cursist wordt Boost genoemd. Het proces voor het verhogen van de kleurovergang werkt aan deze uitvoeringstheorie.

KNN

K-dichtstbijzijnde buren (KNN)-algoritme maakt gebruik van 'functie-gelijkenis' om de waarden van nieuwe gegevenspunten te voorspellen. Dit betekent verder dat aan het nieuwe gegevenspunt een waarde wordt toegewezen op basis van de mate waarin het overeenkomt met de punten in de trainingsset.

LightGBM

LightGBM is een framework voor het stimuleren van kleurovergangen dat gebruikmaakt van op structuur gebaseerde leeralgoritmen.

LinearSVM

Een SUPPORT Vector Machine (SVM) is een machine learning-model onder supervisie dat classificatiealgoritmen gebruikt voor classificatieproblemen met twee groepen. Nadat een SVM-modelsets met gelabelde trainingsgegevens voor elke categorie zijn opgegeven, kunnen ze nieuwe tekst categoriseren. Lineaire SVM presteert het beste wanneer invoergegevens lineair zijn, d.w. gegevens kunnen eenvoudig worden geclassificeerd door de rechte lijn tussen geclassificeerde waarden in een getekende grafiek te tekenen.

LogisticRegression

Logistieke regressie is een fundamentele classificatietechniek. Het behoort tot de groep lineaire classificaties en is enigszins vergelijkbaar met polynomiale en lineaire regressie. Logistieke regressie is snel en relatief ongecompliceerd en het is handig voor u om de resultaten te interpreteren. Hoewel het in wezen een methode voor binaire classificatie is, kan het ook worden toegepast op problemen met meerdere klassen.

MultinomialNaiveBayes

De multinomiale Naive Bayes-classificatie is geschikt voor classificatie met discrete functies (bijvoorbeeld woorden tellen voor tekstclassificatie). Voor de multinomiale verdeling zijn normaal gesproken gehele getallen vereist. In de praktijk kunnen fractionele aantallen zoals tf-idf echter ook werken.

RandomForest

Random forest is een leeralgoritmen onder supervisie. Het "bos" dat het bouwt, is een ensemble van beslissingsbomen, meestal getraind met de "bagging"-methode. Het algemene idee van de baggingmethode is dat een combinatie van leermodellen het algehele resultaat verhoogt.

SGD

SGD: Stochastische gradiëntafname is een optimalisatie-algoritme dat vaak wordt gebruikt in machine learning-toepassingen om de modelparameters te vinden die overeenkomen met de beste pasvorm tussen voorspelde en werkelijke uitvoer.

SVM

Een SUPPORT Vector Machine (SVM) is een machine learning-model onder supervisie dat classificatiealgoritmen gebruikt voor classificatieproblemen met twee groepen. Nadat een SVM-modelsets met gelabelde trainingsgegevens voor elke categorie zijn opgegeven, kunnen ze nieuwe tekst categoriseren.

XGBoostClassifier

XGBoost: Algoritme voor extreme gradiëntverhoging. Dit algoritme wordt gebruikt voor gestructureerde gegevens, waarbij doelkolomwaarden kunnen worden onderverdeeld in afzonderlijke klassewaarden.

ClassificationMultilabelPrimaryMetrics

Primaire metrische gegevens voor het classificeren van taken met meerdere labels.

Waarde Description
AUCWeighted

AUC is het gebied onder de curve. Deze metrische waarde vertegenwoordigt het rekenkundige gemiddelde van de score voor elke klasse, gewogen door het aantal werkelijke exemplaren in elke klasse.

Accuracy

Nauwkeurigheid is de verhouding tussen voorspellingen die exact overeenkomen met de werkelijke klasselabels.

AveragePrecisionScoreWeighted

Het rekenkundige gemiddelde van de gemiddelde precisiescore voor elke klasse, gewogen door het aantal werkelijke exemplaren in elke klasse.

IOU

Snijpunt over union. Snijpunt van voorspellingen gedeeld door samenvoeging van voorspellingen.

NormMacroRecall

Genormaliseerde macroherhaling is terughalen van macrogemiddelde en genormaliseerd, zodat willekeurige prestaties een score van 0 hebben en de perfecte prestaties een score van 1 hebben.

PrecisionScoreWeighted

Het rekenkundige gemiddelde van precisie voor elke klasse, gewogen met het aantal werkelijke exemplaren in elke klasse.

ClassificationPrimaryMetrics

Primaire metrische gegevens voor classificatietaken.

Waarde Description
AUCWeighted

AUC is het gebied onder de curve. Deze metrische waarde vertegenwoordigt het rekenkundige gemiddelde van de score voor elke klasse, gewogen door het aantal werkelijke exemplaren in elke klasse.

Accuracy

Nauwkeurigheid is de verhouding tussen voorspellingen die exact overeenkomen met de werkelijke klasselabels.

AveragePrecisionScoreWeighted

Het rekenkundige gemiddelde van de gemiddelde precisiescore voor elke klasse, gewogen door het aantal werkelijke exemplaren in elke klasse.

NormMacroRecall

Genormaliseerde macroherhaling is terughalen van macrogemiddelde en genormaliseerd, zodat willekeurige prestaties een score van 0 hebben en de perfecte prestaties een score van 1 hebben.

PrecisionScoreWeighted

Het rekenkundige gemiddelde van precisie voor elke klasse, gewogen met het aantal werkelijke exemplaren in elke klasse.

ClassificationTrainingSettings

Configuratie met betrekking tot classificatietraining.

Name Type Default value Description
allowedTrainingAlgorithms

ClassificationModels[]

Toegestane modellen voor classificatietaak.

blockedTrainingAlgorithms

ClassificationModels[]

Geblokkeerde modellen voor classificatietaak.

enableDnnTraining

boolean

False

Schakel de aanbeveling van DNN-modellen in.

enableModelExplainability

boolean

True

Vlag om uitleg in te schakelen voor het beste model.

enableOnnxCompatibleModels

boolean

False

Vlag voor het inschakelen van compatibele onnx-modellen.

enableStackEnsemble

boolean

True

Schakel stack ensemble run in.

enableVoteEnsemble

boolean

True

Stem ensembleuitvoering inschakelen.

ensembleModelDownloadTimeout

string (duration)

PT5M

Tijdens votingEnsemble en StackEnsemble modelgeneratie worden meerdere aangepaste modellen van de vorige onderliggende uitvoeringen gedownload. Configureer deze parameter met een hogere waarde dan 300 sec. Als er meer tijd nodig is.

stackEnsembleSettings

StackEnsembleSettings

Stack ensemble-instellingen voor stack ensemble run.

CommandJob

Opdrachttaakdefinitie.

Name Type Default value Description
codeId

string

ARM-resource-id van de codeasset.

command

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] De opdracht die moet worden uitgevoerd bij het opstarten van de taak. bijvoorbeeld "Python train.py"

componentId

string

ARM-resource-id van de onderdeelresource.

computeId

string

ARM-resource-id van de rekenresource.

description

string

De tekst van de assetbeschrijving.

displayName

string

Weergavenaam van taak.

distribution DistributionConfiguration:

Distributieconfiguratie van de taak. Indien ingesteld, moet dit een van Mpi, Tensorflow, PyTorch of null zijn.

environmentId

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] De ARM-resource-id van de omgevingsspecificatie voor de taak.

environmentVariables

object

Omgevingsvariabelen die zijn opgenomen in de taak.

experimentName

string

Default

De naam van het experiment waartoe de taak behoort. Als deze niet is ingesteld, wordt de taak in het standaardexperiment geplaatst.

identity IdentityConfiguration:

Identiteitsconfiguratie. Indien ingesteld, moet dit een van AmlToken, ManagedIdentity, UserIdentity of null zijn. Standaard ingesteld op AmlToken als null.

inputs

object

Toewijzing van invoergegevensbindingen die in de taak worden gebruikt.

isArchived

boolean

False

Is de asset gearchiveerd?

jobType string:

Command

[Vereist] Hiermee geeft u het type taak.

limits

CommandJobLimits

Opdrachttaaklimiet.

notificationSetting

NotificationSetting

Meldingsinstelling voor de taak

outputs

object

Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt.

parameters

object

Invoerparameters.

properties

object

De woordenlijst voor asseteigenschappen.

queueSettings

QueueSettings

Wachtrijinstellingen voor de taak

resources

JobResourceConfiguration

{}

Rekenresourceconfiguratie voor de taak.

services

<string,  JobService>

Lijst met JobEndpoints. Voor lokale taken heeft een taakeindpunt een eindpuntwaarde van FileStreamObject.

status

JobStatus

Status van de taak.

tags

object

Tagwoordenlijst. Tags kunnen worden toegevoegd, verwijderd en bijgewerkt.

CommandJobLimits

Opdrachttaaklimietklasse.

Name Type Description
jobLimitsType string:

Command

[Vereist] Type JobLimit.

timeout

string (duration)

De maximale uitvoeringsduur in ISO 8601-indeling, waarna de taak wordt geannuleerd. Ondersteunt alleen de duur met precisie zo laag als seconden.

createdByType

Het type identiteit waarmee de resource is gemaakt.

Waarde Description
Application
Key
ManagedIdentity
User

CreateMonitorAction

Name Type Description
actionType string:

CreateMonitor

[Vereist] Hiermee geeft u het actietype van de planning

monitorDefinition

MonitorDefinition

[Vereist] Definieert de monitor.

CronTrigger

Name Type Default value Description
endTime

string

Hiermee geeft u de eindtijd van de planning in ISO 8601, maar zonder utc-offset. Raadpleeg https://en.wikipedia.org/wiki/ISO_8601. De indeling '2022-06-01T00:00:01' Als deze niet aanwezig is, wordt het schema voor onbepaalde tijd uitgevoerd

expression

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Hiermee geeft u cron-expressie van planning. De expressie moet de NCronTab-indeling volgen.

startTime

string

Hiermee geeft u de begintijd van de planning in ISO 8601-indeling, maar zonder utc-offset.

timeZone

string

UTC

Hiermee geeft u de tijdzone op waarin het schema wordt uitgevoerd. Tijdzone moet de windows-tijdzone-indeling volgen. Doorverwijzen: https://docs.microsoft.com/en-us/windows-hardware/manufacture/desktop/default-time-zones?view=windows-11

triggerType string:

Cron

[Vereist]

CustomForecastHorizon

De gewenste maximale prognose horizon in eenheden van tijdreeksfrequentie.

Name Type Description
mode string:

Custom

[Vereist] Stel de selectiemodus voor de waarde van de prognose horizon in.

value

integer (int32)

[Vereist] Waarde van de prognose horizon.

CustomMetricThreshold

Name Type Description
metric

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] De door de gebruiker gedefinieerde metriek die moet worden berekend.

threshold

MonitoringThreshold

De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde.

CustomModelJobInput

Name Type Default value Description
description

string

Beschrijving voor de invoer.

jobInputType string:

custom_model

[Vereist] Hiermee geeft u het type taak.

mode

InputDeliveryMode

ReadOnlyMount

Leveringsmodus invoerasset.

uri

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Invoerasset-URI.

CustomModelJobOutput

Name Type Default value Description
description

string

Beschrijving voor de uitvoer.

jobOutputType string:

custom_model

[Vereist] Hiermee geeft u het type taak.

mode

OutputDeliveryMode

ReadWriteMount

Uitvoerassetleveringsmodus.

uri

string

Uitvoerasset-URI.

CustomMonitoringSignal

Name Type Description
componentId

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Verwijzing naar het onderdeelasset dat wordt gebruikt om de aangepaste metrische gegevens te berekenen.

inputAssets

object

Assets bewaken die moeten worden gebruikt als invoer. Sleutel is de naam van de invoerpoort van het onderdeel, de waarde is de gegevensasset.

inputs

object

Extra onderdeelparameters die als invoer moeten worden gebruikt. Sleutel is de naam van de letterlijke invoerpoort van het onderdeel, de waarde is de parameterwaarde.

metricThresholds

CustomMetricThreshold[]

[Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden.

notificationTypes

MonitoringNotificationType[]

De huidige meldingsmodus voor dit signaal.

properties

object

Eigenschappenwoordenlijst. Eigenschappen kunnen worden toegevoegd, maar niet worden verwijderd of gewijzigd.

signalType string:

Custom

[Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt.

CustomNCrossValidations

N-Kruisvalidaties worden opgegeven door de gebruiker.

Name Type Description
mode string:

Custom

[Vereist] Modus voor het bepalen van N-Kruisvalidaties.

value

integer (int32)

[Vereist] Waarde voor N-kruisvalidaties.

CustomSeasonality

Name Type Description
mode string:

Custom

[Vereist] Seizoensgebondenheidsmodus.

value

integer (int32)

[Vereist] Seizoensgebondenheidswaarde.

CustomTargetLags

Name Type Description
mode string:

Custom

[Vereist] Doelvertragingsmodus instellen - Automatisch/aangepast

values

integer[] (int32)

[Vereist] Stel waarden voor doelvertragingen in.

CustomTargetRollingWindowSize

Name Type Description
mode string:

Custom

[Vereist] TargetRollingWindowSiz-detectiemodus.

value

integer (int32)

[Vereist] TargetRollingWindowSize-waarde.

DataDriftMonitoringSignal

Name Type Description
featureDataTypeOverride

object

Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen.

featureImportanceSettings

FeatureImportanceSettings

De instellingen voor het belang van computingfuncties.

features MonitoringFeatureFilterBase:

Het functiefilter waarmee wordt aangegeven welke functie moet worden berekend.

metricThresholds DataDriftMetricThresholdBase[]:

[Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden.

notificationTypes

MonitoringNotificationType[]

De huidige meldingsmodus voor dit signaal.

productionData MonitoringInputDataBase:

[Vereist] De gegevens waarvoor afwijkingen worden berekend.

properties

object

Eigenschappenwoordenlijst. Eigenschappen kunnen worden toegevoegd, maar niet worden verwijderd of gewijzigd.

referenceData MonitoringInputDataBase:

[Vereist] De gegevens voor het berekenen van afwijkingen.

signalType string:

DataDrift

[Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt.

DataQualityMonitoringSignal

Name Type Description
featureDataTypeOverride

object

Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen.

featureImportanceSettings

FeatureImportanceSettings

De instellingen voor het belang van computingfuncties.

features MonitoringFeatureFilterBase:

De functies voor het berekenen van afwijkingen.

metricThresholds DataQualityMetricThresholdBase[]:

[Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden.

notificationTypes

MonitoringNotificationType[]

De huidige meldingsmodus voor dit signaal.

productionData MonitoringInputDataBase:

[Vereist] De gegevens die worden geproduceerd door de productieservice waarvoor afwijkingen worden berekend.

properties

object

Eigenschappenwoordenlijst. Eigenschappen kunnen worden toegevoegd, maar niet worden verwijderd of gewijzigd.

referenceData MonitoringInputDataBase:

[Vereist] De gegevens voor het berekenen van afwijkingen.

signalType string:

DataQuality

[Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt.

DistributionType

Enum om het taakdistributietype te bepalen.

Waarde Description
Mpi
PyTorch
TensorFlow

EarlyTerminationPolicyType

Waarde Description
Bandit
MedianStopping
TruncationSelection

EmailNotificationEnableType

Opsomming om het type e-mailmelding te bepalen.

Waarde Description
JobCancelled
JobCompleted
JobFailed

EndpointScheduleAction

Name Type Description
actionType string:

InvokeBatchEndpoint

[Vereist] Hiermee geeft u het actietype van de planning

endpointInvocationDefinition

object

[Vereist] Definieert details van de actiedefinitie Planning.

ErrorAdditionalInfo

Aanvullende informatie over de resourcebeheerfout.

Name Type Description
info

object

De aanvullende informatie.

type

string

Het extra informatietype.

ErrorDetail

De foutdetails.

Name Type Description
additionalInfo

ErrorAdditionalInfo[]

De fout bevat aanvullende informatie.

code

string

De foutcode.

details

ErrorDetail[]

De foutdetails.

message

string

Het foutbericht.

target

string

Het foutdoel.

ErrorResponse

Foutreactie

Name Type Description
error

ErrorDetail

Het foutobject.

FeatureAttributionDriftMonitoringSignal

Name Type Description
featureDataTypeOverride

object

Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen.

featureImportanceSettings

FeatureImportanceSettings

[Vereist] De instellingen voor het belang van computingfuncties.

metricThreshold

FeatureAttributionMetricThreshold

[Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden.

notificationTypes

MonitoringNotificationType[]

De huidige meldingsmodus voor dit signaal.

productionData MonitoringInputDataBase[]:

[Vereist] De gegevens waarvoor afwijkingen worden berekend.

properties

object

Eigenschappenwoordenlijst. Eigenschappen kunnen worden toegevoegd, maar niet worden verwijderd of gewijzigd.

referenceData MonitoringInputDataBase:

[Vereist] De gegevens voor het berekenen van afwijkingen.

signalType string:

FeatureAttributionDrift

[Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt.

FeatureAttributionMetric

Waarde Description
NormalizedDiscountedCumulativeGain

De metrische waarde genormaliseerde genormaliseerde cumulatieve winst.

FeatureAttributionMetricThreshold

Name Type Description
metric

FeatureAttributionMetric

[Vereist] De metrische waarde voor functietoekenning die moet worden berekend.

threshold

MonitoringThreshold

De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde.

FeatureImportanceMode

De bewerkingsmodus voor het belang van computingfuncties.

Waarde Description
Disabled

Hiermee schakelt u het belang van computingfuncties binnen een signaal uit.

Enabled

Hiermee schakelt u het belang van computingfuncties binnen een signaal in.

FeatureImportanceSettings

Name Type Default value Description
mode

FeatureImportanceMode

Disabled

De bewerkingsmodus voor het belang van computingfuncties.

targetColumn

string

De naam van de doelkolom binnen de invoergegevensasset.

FeatureLags

Vlag voor het genereren van vertragingen voor de numerieke functies.

Waarde Description
Auto

Systeem genereert automatisch functievertragingen.

None

Er zijn geen functievertragingen gegenereerd.

FeatureSubset

Name Type Description
features

string[]

[Vereist] De lijst met functies die moeten worden opgenomen.

filterType string:

FeatureSubset

[Vereist] Hiermee geeft u het functiefilter op dat moet worden gebruikt bij het selecteren van functies om metrische gegevens te berekenen.

FeaturizationMode

Featurization-modus: bepaalt de gegevens-featurization-modus.

Waarde Description
Auto

Automatische modus, systeem voert featurization uit zonder aangepaste featurization-invoer.

Custom

Aangepaste featurization.

Off

Featurization uitgeschakeld. De taak 'Prognose' kan deze waarde niet gebruiken.

FixedInputData

Definitie van invoergegevens opgelost.

Name Type Description
columns

object

Toewijzing van kolomnamen aan speciale toepassingen.

dataContext

string

De contextmetagegevens van de gegevensbron.

inputDataType string:

Fixed

[Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt.

jobInputType

JobInputType

[Vereist] Hiermee geeft u het type taak.

uri

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Invoerasset-URI.

ForecastHorizonMode

Opsomming om de selectiemodus voor de prognose horizon te bepalen.

Waarde Description
Auto

De voorspellingshorizon die automatisch moet worden bepaald.

Custom

Gebruik de aangepaste prognose horizon.

Forecasting

Prognosetaak in autoML-tabel verticaal.

Name Type Default value Description
cvSplitColumnNames

string[]

Kolommen die moeten worden gebruikt voor CVSplit-gegevens.

featurizationSettings

TableVerticalFeaturizationSettings

Featurization-invoer die nodig is voor de AutoML-taak.

forecastingSettings

ForecastingSettings

Taakspecifieke invoer voorspellen.

limitSettings

TableVerticalLimitSettings

Uitvoeringsbeperkingen voor AutoMLJob.

logVerbosity

LogVerbosity

Info

Logboek uitgebreidheid voor de taak.

nCrossValidations NCrossValidations:

Het aantal kruisvalidatievouwen dat moet worden toegepast op de trainingsgegevensset wanneer er geen validatiegegevensset wordt opgegeven.

primaryMetric

ForecastingPrimaryMetrics

NormalizedRootMeanSquaredError

Primaire metrische gegevens voor het voorspellen van een taak.

targetColumnName

string

Naam van doelkolom: dit is de kolom voorspellingswaarden. Ook wel labelkolomnaam genoemd in de context van classificatietaken.

taskType string:

Forecasting

[Vereist] Taaktype voor AutoMLJob.

testData

MLTableJobInput

Gegevensinvoer testen.

testDataSize

number (double)

Het deel van de testgegevensset dat moet worden gereserveerd voor validatiedoeleinden. Waarden tussen (0.0, 1.0) Toegepast wanneer er geen validatiegegevensset wordt opgegeven.

trainingData

MLTableJobInput

[Vereist] Invoer van trainingsgegevens.

trainingSettings

ForecastingTrainingSettings

Invoer voor de trainingsfase voor een AutoML-taak.

validationData

MLTableJobInput

Invoer van validatiegegevens.

validationDataSize

number (double)

Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden. Waarden tussen (0.0, 1.0) Toegepast wanneer er geen validatiegegevensset wordt opgegeven.

weightColumnName

string

De naam van de kolom met de steekproefgewicht. Geautomatiseerde ML ondersteunt een gewogen kolom als invoer, waardoor rijen in de gegevens omhoog of omlaag worden gewogen.

ForecastingModels

Opsomming voor alle prognosemodellen die worden ondersteund door AutoML.

Waarde Description
Arimax

Een Autoregressive Integrated Moving Average met ARIMAX-model (Verklarende variabele) kan worden weergegeven als een meervoudig regressiemodel met een of meer voorwaarden voor autoregressieve (AR) en/of een of meer termen voor zwevend gemiddelde (MA). Deze methode is geschikt voor prognose wanneer gegevens stationair/niet-stationair zijn en multivariant zijn met elk type gegevenspatroon, bijvoorbeeld niveau/trend/seizoensgebondenheid/cycliciteit.

AutoArima

Het ARIMA-model (AutoRegressive Integrated Moving Average) maakt gebruik van tijdreeksgegevens en statistische analyse om de gegevens te interpreteren en toekomstige voorspellingen te doen. Dit model is bedoeld om gegevens uit te leggen met behulp van tijdreeksgegevens op de eerdere waarden en maakt gebruik van lineaire regressie om voorspellingen te doen.

Average

Het model Gemiddelde prognose doet voorspellingen door het gemiddelde van de doelwaarden voor elke tijdreeks in de trainingsgegevens door te voeren.

DecisionTree

Beslissingsstructuren zijn een niet-parametrische leermethode die wordt gebruikt voor zowel classificatie- als regressietaken. Het doel is om een model te maken dat de waarde van een doelvariabele voorspelt door eenvoudige beslissingsregels te leren die zijn afgeleid van de gegevensfuncties.

ElasticNet

Elastisch net is een populair type ge regulariseerde lineaire regressie die twee populaire sancties combineert, met name de L1- en L2-boetefuncties.

ExponentialSmoothing

Exponentieel gladmaken is een tijdreeksprognosemethode voor univariate gegevens die kunnen worden uitgebreid ter ondersteuning van gegevens met een systematische trend of seizoenscomponent.

ExtremeRandomTrees

Extreme Trees is een ensemble machine learning-algoritme dat de voorspellingen van veel beslissingsstructuren combineert. Het is gerelateerd aan het veelgebruikte willekeurige forestalgoritme.

GradientBoosting

De techniek van het doorvoeren van weekleerders naar een sterke cursist wordt Boost genoemd. Het proces voor het verhogen van de kleurovergang werkt aan deze uitvoeringstheorie.

KNN

K-dichtstbijzijnde buren (KNN)-algoritme maakt gebruik van 'functie-gelijkenis' om de waarden van nieuwe gegevenspunten te voorspellen. Dit betekent verder dat aan het nieuwe gegevenspunt een waarde wordt toegewezen op basis van de mate waarin het overeenkomt met de punten in de trainingsset.

LassoLars

Lasso-model past bij Least Angle Regression a.k.a. Lars. Het is een lineair model dat is getraind met een L1 eerder als regularizer.

LightGBM

LightGBM is een framework voor het stimuleren van kleurovergangen dat gebruikmaakt van op structuur gebaseerde leeralgoritmen.

Naive

Het naïeve voorspellingsmodel doet voorspellingen door de meest recente doelwaarde voor elke tijdreeks in de trainingsgegevens door te sturen.

Prophet

Prophet is een procedure voor het voorspellen van tijdreeksgegevens op basis van een additief model waarbij niet-lineaire trends passen bij jaarlijkse, wekelijkse en dagelijkse seizoensgebondenheid, plus vakantie-effecten. Het werkt het beste met tijdreeksen met sterke seizoenseffecten en verschillende seizoenen van historische gegevens. Prophet is robuust om gegevens en verschuivingen in de trend te missen en verwerkt meestal uitbijters goed.

RandomForest

Random forest is een leeralgoritmen onder supervisie. Het "bos" dat het bouwt, is een ensemble van beslissingsbomen, meestal getraind met de "bagging"-methode. Het algemene idee van de baggingmethode is dat een combinatie van leermodellen het algehele resultaat verhoogt.

SGD

SGD: Stochastische gradiëntafname is een optimalisatie-algoritme dat vaak wordt gebruikt in machine learning-toepassingen om de modelparameters te vinden die overeenkomen met de beste pasvorm tussen voorspelde en werkelijke uitvoer. Het is een onuitstaanbare maar krachtige techniek.

SeasonalAverage

Het seizoensgebonden gemiddelde voorspellingsmodel doet voorspellingen door de gemiddelde waarde van het laatste seizoen met gegevens voor elke tijdreeks in de trainingsgegevens door te voeren.

SeasonalNaive

Het seizoensgebonden naïef voorspellende model doet voorspellingen door het laatste seizoen met doelwaarden voor elke tijdreeks in de trainingsgegevens door te voeren.

TCNForecaster

TCNForecaster: Tijdelijke convolutionele netwerken voorspellen. TODO: Vraag het prognoseteam voor korte inleiding.

XGBoostRegressor

XGBoostRegressor: Extreme Gradient Boosting Regressor is een machine learning-model onder supervisie met behulp van ensemble van basisleerders.

ForecastingPrimaryMetrics

Primaire metrische gegevens voor de prognosetaak.

Waarde Description
NormalizedMeanAbsoluteError

De genormaliseerde gemiddelde absolute fout (NMAE) is een validatiemetriek om de Mean Absolute Error (MAE) van (tijd) reeksen te vergelijken met verschillende schalen.

NormalizedRootMeanSquaredError

De RMSE (Normalized Root Mean Squared Error, NRMSE) vereenvoudigt de vergelijking tussen modellen met verschillende schalen.

R2Score

De R2-score is een van de prestatie-evaluatiemaatregelen voor machine learning-modellen op basis van prognoses.

SpearmanCorrelation

De rangcoëfficiënt van Spearman van correlatie is een niet-parametrische meting van rangcorrelatie.

ForecastingSettings

Specifieke parameters voorspellen.

Name Type Default value Description
countryOrRegionForHolidays

string

Land of regio voor feestdagen voor prognosetaken. Dit moeten ISO 3166 tweeletterige land-/regiocodes zijn, bijvoorbeeld 'VS' of 'GB'.

cvStepSize

integer (int32)

Aantal perioden tussen de oorspronkelijke tijd van één CV-vouw en de volgende vouw. Als bijvoorbeeld CVStepSize = 3 voor dagelijkse gegevens, is de oorspronkelijke tijd voor elke vouw drie dagen uit elkaar.

featureLags

FeatureLags

None

Vlag voor het genereren van vertragingen voor de numerieke functies met 'auto' of null.

forecastHorizon ForecastHorizon: {"Mode": "Custom", "Value": 1}

De gewenste maximale prognose horizon in eenheden van tijdreeksfrequentie.

frequency

string

Bij het voorspellen vertegenwoordigt deze parameter de periode waarmee de prognose gewenst is, bijvoorbeeld dagelijks, wekelijks, jaarlijks, enzovoort. De prognosefrequentie is standaard de frequentie van de gegevensset.

seasonality Seasonality: {"Mode": "Auto"}

Stel de seizoensgebondenheid van tijdreeksen in als een geheel getal van het veelvoud van de reeksfrequentie. Als seizoensgebondenheid is ingesteld op 'auto', wordt dit afgeleid.

shortSeriesHandlingConfig

ShortSeriesHandlingConfiguration

Auto

De parameter die definieert hoe autoML korte tijdreeksen moet verwerken.

targetAggregateFunction

TargetAggregationFunction

None

De functie die moet worden gebruikt om de doelkolom van de tijdreeks te aggregeren om te voldoen aan een door de gebruiker opgegeven frequentie. Als de TargetAggregateFunction is ingesteld, dus niet 'Geen', maar de freq-parameter niet is ingesteld, wordt de fout gegenereerd. De mogelijke doelaggregatiefuncties zijn: 'sum', 'max', 'min' en 'mean'.

targetLags TargetLags:

Het aantal eerdere perioden tot vertraging van de doelkolom.

targetRollingWindowSize TargetRollingWindowSize:

Het aantal eerdere perioden dat wordt gebruikt voor het maken van een doorlopend venster gemiddelde van de doelkolom.

timeColumnName

string

De naam van de tijdkolom. Deze parameter is vereist bij het voorspellen om de datum/tijd-kolom op te geven in de invoergegevens die worden gebruikt voor het bouwen van de tijdreeks en het uitstellen van de frequentie.

timeSeriesIdColumnNames

string[]

De namen van kolommen die worden gebruikt om een tijdreeks te groeperen. Het kan worden gebruikt om meerdere reeksen te maken. Als graan niet is gedefinieerd, wordt ervan uitgegaan dat de gegevensset één tijdreeks is. Deze parameter wordt gebruikt bij het voorspellen van taaktypen.

useStl

UseStl

None

Configureer STL-decompositie van de doelkolom van de tijdreeks.

ForecastingTrainingSettings

Configuratie met betrekking tot training voorspellen.

Name Type Default value Description
allowedTrainingAlgorithms

ForecastingModels[]

Toegestane modellen voor het voorspellen van een taak.

blockedTrainingAlgorithms

ForecastingModels[]

Geblokkeerde modellen voor het voorspellen van een taak.

enableDnnTraining

boolean

False

Schakel de aanbeveling van DNN-modellen in.

enableModelExplainability

boolean

True

Vlag om uitleg in te schakelen voor het beste model.

enableOnnxCompatibleModels

boolean

False

Vlag voor het inschakelen van compatibele onnx-modellen.

enableStackEnsemble

boolean

True

Schakel stack ensemble run in.

enableVoteEnsemble

boolean

True

Stem ensembleuitvoering inschakelen.

ensembleModelDownloadTimeout

string (duration)

PT5M

Tijdens votingEnsemble en StackEnsemble modelgeneratie worden meerdere aangepaste modellen van de vorige onderliggende uitvoeringen gedownload. Configureer deze parameter met een hogere waarde dan 300 sec. Als er meer tijd nodig is.

stackEnsembleSettings

StackEnsembleSettings

Stack ensemble-instellingen voor stack ensemble run.

Goal

Definieert ondersteunde metrische doelen voor het afstemmen van hyperparameters

Waarde Description
Maximize
Minimize

GridSamplingAlgorithm

Definieert een sampling-algoritme dat alle waardecombinaties in de ruimte volledig genereert

Name Type Description
samplingAlgorithmType string:

Grid

[Vereist] Het algoritme dat wordt gebruikt voor het genereren van hyperparameterwaarden, samen met configuratie-eigenschappen

IdentityConfigurationType

Enum om het identiteitsframework te bepalen.

Waarde Description
AMLToken
Managed
UserIdentity

ImageClassification

Afbeeldingsclassificatie. Afbeeldingsclassificatie met meerdere klassen wordt gebruikt wanneer een afbeelding wordt geclassificeerd met slechts één label uit een reeks klassen, bijvoorbeeld elke afbeelding wordt geclassificeerd als een afbeelding van een 'kat' of 'hond' of een 'eend'.

Name Type Default value Description
limitSettings

ImageLimitSettings

[Vereist] Instellingen voor de AutoML-taak beperken.

logVerbosity

LogVerbosity

Info

Logboek uitgebreidheid voor de taak.

modelSettings

ImageModelSettingsClassification

Instellingen die worden gebruikt voor het trainen van het model.

primaryMetric

ClassificationPrimaryMetrics

Accuracy

Primaire metrische gegevens die u voor deze taak wilt optimaliseren.

searchSpace

ImageModelDistributionSettingsClassification[]

Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters.

sweepSettings

ImageSweepSettings

Model opruimen en hyperparameter opruimen gerelateerde instellingen.

targetColumnName

string

Naam van doelkolom: dit is de kolom voorspellingswaarden. Ook wel labelkolomnaam genoemd in de context van classificatietaken.

taskType string:

ImageClassification

[Vereist] Taaktype voor AutoMLJob.

trainingData

MLTableJobInput

[Vereist] Invoer van trainingsgegevens.

validationData

MLTableJobInput

Invoer van validatiegegevens.

validationDataSize

number (double)

Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden. Waarden tussen (0.0, 1.0) Toegepast wanneer er geen validatiegegevensset wordt opgegeven.

ImageClassificationMultilabel

Afbeeldingsclassificatie met meerdere labels. Afbeeldingsclassificatie met meerdere labels wordt gebruikt wanneer een afbeelding een of meer labels van een set labels kan hebben. Een afbeelding kan bijvoorbeeld worden gelabeld met zowel 'kat' als 'hond'.

Name Type Default value Description
limitSettings

ImageLimitSettings

[Vereist] Instellingen voor de AutoML-taak beperken.

logVerbosity

LogVerbosity

Info

Logboek uitgebreidheid voor de taak.

modelSettings

ImageModelSettingsClassification

Instellingen die worden gebruikt voor het trainen van het model.

primaryMetric

ClassificationMultilabelPrimaryMetrics

IOU

Primaire metrische gegevens die u voor deze taak wilt optimaliseren.

searchSpace

ImageModelDistributionSettingsClassification[]

Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters.

sweepSettings

ImageSweepSettings

Model opruimen en hyperparameter opruimen gerelateerde instellingen.

targetColumnName

string

Naam van doelkolom: dit is de kolom voorspellingswaarden. Ook wel labelkolomnaam genoemd in de context van classificatietaken.

taskType string:

ImageClassificationMultilabel

[Vereist] Taaktype voor AutoMLJob.

trainingData

MLTableJobInput

[Vereist] Invoer van trainingsgegevens.

validationData

MLTableJobInput

Invoer van validatiegegevens.

validationDataSize

number (double)

Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden. Waarden tussen (0.0, 1.0) Toegepast wanneer er geen validatiegegevensset wordt opgegeven.

ImageInstanceSegmentation

Segmentatie van afbeeldingsexemplaren. Instantiesegmentatie wordt gebruikt om objecten in een afbeelding op pixelniveau te identificeren, waarbij een veelhoek rond elk object in de afbeelding wordt getekend.

Name Type Default value Description
limitSettings

ImageLimitSettings

[Vereist] Instellingen voor de AutoML-taak beperken.

logVerbosity

LogVerbosity

Info

Logboek uitgebreidheid voor de taak.

modelSettings

ImageModelSettingsObjectDetection

Instellingen die worden gebruikt voor het trainen van het model.

primaryMetric

InstanceSegmentationPrimaryMetrics

MeanAveragePrecision

Primaire metrische gegevens die u voor deze taak wilt optimaliseren.

searchSpace

ImageModelDistributionSettingsObjectDetection[]

Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters.

sweepSettings

ImageSweepSettings

Model opruimen en hyperparameter opruimen gerelateerde instellingen.

targetColumnName

string

Naam van doelkolom: dit is de kolom voorspellingswaarden. Ook wel labelkolomnaam genoemd in de context van classificatietaken.

taskType string:

ImageInstanceSegmentation

[Vereist] Taaktype voor AutoMLJob.

trainingData

MLTableJobInput

[Vereist] Invoer van trainingsgegevens.

validationData

MLTableJobInput

Invoer van validatiegegevens.

validationDataSize

number (double)

Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden. Waarden tussen (0.0, 1.0) Toegepast wanneer er geen validatiegegevensset wordt opgegeven.

ImageLimitSettings

Instellingen voor de AutoML-taak beperken.

Name Type Default value Description
maxConcurrentTrials

integer (int32)

1

Maximum aantal gelijktijdige AutoML-iteraties.

maxTrials

integer (int32)

1

Maximum aantal AutoML-iteraties.

timeout

string (duration)

P7D

Time-out voor AutoML-taken.

ImageModelDistributionSettingsClassification

Distributie-expressies om waarden van modelinstellingen te overschrijven. Enkele voorbeelden zijn:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
Name Type Description
amsGradient

string

Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is.

augmentations

string

Instellingen voor het gebruik van augmentations.

beta1

string

De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

beta2

string

De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

distributed

string

Of u distributietraining wilt gebruiken.

earlyStopping

string

Schakel vroege stoplogica in tijdens de training.

earlyStoppingDelay

string

Het minimum aantal epochs of validatie-evaluaties dat moet worden gewacht voordat primaire metrische gegevens worden verbeterd voor vroegtijdige stop. Moet een positief geheel getal zijn.

earlyStoppingPatience

string

Minimaal aantal tijdvakken of validatie-evaluaties zonder primaire metrische verbetering voordat de uitvoering wordt gestopt. Moet een positief geheel getal zijn.

enableOnnxNormalization

string

Normalisatie inschakelen bij het exporteren van een ONNX-model.

evaluationFrequency

string

Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn.

gradientAccumulationStep

string

Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal 'GradAccumulationStep'-stappen zonder de modelgewichten bij te werken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens de verzamelde kleurovergangen te gebruiken om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.

layersToFreeze

string

Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn. Het doorgeven van 2 als waarde voor 'seresnext' betekent bijvoorbeeld vrieslaag0 en laag1. Zie voor een volledige lijst met modellen die worden ondersteund en details over laagblokkering: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

learningRate

string

Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn.

learningRateScheduler

string

Type van leerpercentageplanner. Moet 'warmup_cosine' of 'stap' zijn.

modelName

string

De naam van het model dat moet worden gebruikt voor training. Voor meer informatie over de beschikbare modellen raadpleegt u de officiële documentatie: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

momentum

string

Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn.

nesterov

string

Schakel nesterov in wanneer optimizer 'sgd' is.

numberOfEpochs

string

Aantal trainingstijdvakken. Moet een positief geheel getal zijn.

numberOfWorkers

string

Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn.

optimizer

string

Type optimizer. Moet 'sgd', 'adam' of 'adamw' zijn.

randomSeed

string

Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training.

stepLRGamma

string

Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn.

stepLRStepSize

string

Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn.

trainingBatchSize

string

Grootte van trainingsbatch. Moet een positief geheel getal zijn.

trainingCropSize

string

Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de trainingsgegevensset. Moet een positief geheel getal zijn.

validationBatchSize

string

Validatiebatchgrootte Moet een positief geheel getal zijn.

validationCropSize

string

Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de validatiegegevensset. Moet een positief geheel getal zijn.

validationResizeSize

string

Afbeeldingsgrootte waarnaar u het formaat wilt wijzigen voordat u bijsnijd voor validatiegegevensset. Moet een positief geheel getal zijn.

warmupCosineLRCycles

string

Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn.

warmupCosineLRWarmupEpochs

string

Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn.

weightDecay

string

Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1].

weightedLoss

string

Gewogen verlies. De geaccepteerde waarden zijn 0 voor geen gewogen verlies. 1 voor gewogen verlies met wortel. (class_weights). 2 voor gewogen verlies met class_weights. Moet 0 of 1 of 2 zijn.

ImageModelDistributionSettingsObjectDetection

Distributie-expressies om waarden van modelinstellingen te overschrijven. Enkele voorbeelden zijn:

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
Name Type Description
amsGradient

string

Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is.

augmentations

string

Instellingen voor het gebruik van augmentations.

beta1

string

De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

beta2

string

De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

boxDetectionsPerImage

string

Maximum aantal detecties per afbeelding, voor alle klassen. Moet een positief geheel getal zijn. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

boxScoreThreshold

string

Tijdens deductie retourneert u alleen voorstellen met een classificatiescore die groter is dan BoxScoreThreshold. Moet een float zijn in het bereik[0, 1].

distributed

string

Of u distributietraining wilt gebruiken.

earlyStopping

string

Schakel vroege stoplogica in tijdens de training.

earlyStoppingDelay

string

Het minimum aantal epochs of validatie-evaluaties dat moet worden gewacht voordat primaire metrische gegevens worden verbeterd voor vroegtijdige stop. Moet een positief geheel getal zijn.

earlyStoppingPatience

string

Minimaal aantal tijdvakken of validatie-evaluaties zonder primaire metrische verbetering voordat de uitvoering wordt gestopt. Moet een positief geheel getal zijn.

enableOnnxNormalization

string

Normalisatie inschakelen bij het exporteren van een ONNX-model.

evaluationFrequency

string

Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn.

gradientAccumulationStep

string

Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal 'GradAccumulationStep'-stappen zonder de modelgewichten bij te werken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens de verzamelde kleurovergangen te gebruiken om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.

imageSize

string

Afbeeldingsgrootte voor trainen en valideren. Moet een positief geheel getal zijn. Opmerking: De trainingsuitvoering kan in CUDA OOM komen als de grootte te groot is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.

layersToFreeze

string

Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn. Het doorgeven van 2 als waarde voor 'seresnext' betekent bijvoorbeeld vrieslaag0 en laag1. Zie voor een volledige lijst met modellen die worden ondersteund en details over laagblokkering: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

learningRate

string

Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn.

learningRateScheduler

string

Type van leerpercentageplanner. Moet 'warmup_cosine' of 'stap' zijn.

maxSize

string

De maximale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed. Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

minSize

string

Minimale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed. Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

modelName

string

De naam van het model dat moet worden gebruikt voor training. Voor meer informatie over de beschikbare modellen raadpleegt u de officiële documentatie: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelSize

string

Modelgrootte. Moet 'klein', 'gemiddeld', 'groot' of 'xlarge' zijn. Opmerking: de trainingsuitvoering kan in CUDA OOM komen als de modelgrootte te groot is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.

momentum

string

Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn.

multiScale

string

Schakel meerdere schaalafbeeldingen in op verschillende afbeeldingsgrootten met +/- 50%. Opmerking: de trainingsuitvoering kan in CUDA OOM komen als er onvoldoende GPU-geheugen is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.

nesterov

string

Schakel nesterov in wanneer optimizer 'sgd' is.

nmsIouThreshold

string

De drempelwaarde voor ALGORITMEN die wordt gebruikt tijdens deductie in NMS na verwerking. Moet in het bereik liggen [0, 1].

numberOfEpochs

string

Aantal trainingstijdvakken. Moet een positief geheel getal zijn.

numberOfWorkers

string

Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn.

optimizer

string

Type optimizer. Moet 'sgd', 'adam' of 'adamw' zijn.

randomSeed

string

Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training.

stepLRGamma

string

Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn.

stepLRStepSize

string

Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn.

tileGridSize

string

De rastergrootte die moet worden gebruikt voor het tegelen van elke afbeelding. Opmerking: TileGridSize mag geen zijn om kleine objectdetectielogica in te schakelen. Een tekenreeks met twee gehele getallen in mxn-indeling. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

tileOverlapRatio

string

Overlapverhouding tussen aangrenzende tegels in elke dimensie. Moet zwevend zijn in het bereik [0, 1). Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

tilePredictionsNmsThreshold

string

De drempelwaarde voor OPGEGEVEN voor het uitvoeren van NMS tijdens het samenvoegen van voorspellingen van tegels en afbeeldingen. Wordt gebruikt in validatie/deductie. Moet in het bereik liggen [0, 1]. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5. NMS: Niet-maximale onderdrukking

trainingBatchSize

string

Grootte van trainingsbatch. Moet een positief geheel getal zijn.

validationBatchSize

string

Validatiebatchgrootte Moet een positief geheel getal zijn.

validationIouThreshold

string

Drempelwaarde voor OPGEGEVEN voor gebruik bij het berekenen van de metrische waarde voor validatie. Moet in het bereik liggen [0, 1].

validationMetricType

string

De metrische berekeningsmethode die moet worden gebruikt voor metrische validatiegegevens. Moet 'none', 'coco', 'voc' of 'coco_voc' zijn.

warmupCosineLRCycles

string

Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn.

warmupCosineLRWarmupEpochs

string

Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn.

weightDecay

string

Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1].

ImageModelSettingsClassification

Instellingen die worden gebruikt voor het trainen van het model. Ga voor meer informatie over de beschikbare instellingen naar de officiële documentatie: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Name Type Default value Description
advancedSettings

string

Instellingen voor geavanceerde scenario's.

amsGradient

boolean

Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is.

augmentations

string

Instellingen voor het gebruik van augmentations.

beta1

number (float)

De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

beta2

number (float)

De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

checkpointFrequency

integer (int32)

Frequentie voor het opslaan van modelcontrolepunten. Moet een positief geheel getal zijn.

checkpointModel

MLFlowModelJobInput

Het vooraf getrainde controlepuntmodel voor incrementele training.

checkpointRunId

string

De id van een vorige uitvoering met een vooraf getraind controlepunt voor incrementele training.

distributed

boolean

Of u gedistribueerde training wilt gebruiken.

earlyStopping

boolean

Schakel vroege stoplogica in tijdens de training.

earlyStoppingDelay

integer (int32)

Het minimum aantal epochs of validatie-evaluaties dat moet worden gewacht voordat primaire metrische gegevens worden verbeterd voor vroegtijdige stop. Moet een positief geheel getal zijn.

earlyStoppingPatience

integer (int32)

Minimaal aantal tijdvakken of validatie-evaluaties zonder primaire metrische verbetering voordat de uitvoering wordt gestopt. Moet een positief geheel getal zijn.

enableOnnxNormalization

boolean

Normalisatie inschakelen bij het exporteren van een ONNX-model.

evaluationFrequency

integer (int32)

Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn.

gradientAccumulationStep

integer (int32)

Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal 'GradAccumulationStep'-stappen zonder de modelgewichten bij te werken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens de verzamelde kleurovergangen te gebruiken om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.

layersToFreeze

integer (int32)

Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn. Het doorgeven van 2 als waarde voor 'seresnext' betekent bijvoorbeeld vrieslaag0 en laag1. Zie voor een volledige lijst met modellen die worden ondersteund en details over laagblokkering: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

learningRate

number (float)

Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn.

learningRateScheduler

LearningRateScheduler

None

Type van leerpercentageplanner. Moet 'warmup_cosine' of 'stap' zijn.

modelName

string

De naam van het model dat moet worden gebruikt voor training. Voor meer informatie over de beschikbare modellen raadpleegt u de officiële documentatie: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

momentum

number (float)

Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn.

nesterov

boolean

Schakel nesterov in wanneer optimizer 'sgd' is.

numberOfEpochs

integer (int32)

Aantal trainingstijdvakken. Moet een positief geheel getal zijn.

numberOfWorkers

integer (int32)

Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn.

optimizer

StochasticOptimizer

None

Type optimizer.

randomSeed

integer (int32)

Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training.

stepLRGamma

number (float)

Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn.

stepLRStepSize

integer (int32)

Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn.

trainingBatchSize

integer (int32)

Grootte van trainingsbatch. Moet een positief geheel getal zijn.

trainingCropSize

integer (int32)

Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de trainingsgegevensset. Moet een positief geheel getal zijn.

validationBatchSize

integer (int32)

Validatiebatchgrootte Moet een positief geheel getal zijn.

validationCropSize

integer (int32)

Bijsnijdgrootte van afbeeldingen die wordt ingevoerd in het neurale netwerk voor de validatiegegevensset. Moet een positief geheel getal zijn.

validationResizeSize

integer (int32)

Afbeeldingsgrootte waarnaar u het formaat wilt wijzigen voordat u bijsnijd voor validatiegegevensset. Moet een positief geheel getal zijn.

warmupCosineLRCycles

number (float)

Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn.

warmupCosineLRWarmupEpochs

integer (int32)

Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn.

weightDecay

number (float)

Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1].

weightedLoss

integer (int32)

Gewogen verlies. De geaccepteerde waarden zijn 0 voor geen gewogen verlies. 1 voor gewogen verlies met wortel. (class_weights). 2 voor gewogen verlies met class_weights. Moet 0 of 1 of 2 zijn.

ImageModelSettingsObjectDetection

Instellingen die worden gebruikt voor het trainen van het model. Ga voor meer informatie over de beschikbare instellingen naar de officiële documentatie: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

Name Type Default value Description
advancedSettings

string

Instellingen voor geavanceerde scenario's.

amsGradient

boolean

Schakel AMSGrad in wanneer optimizer 'adam' of 'adamw' is.

augmentations

string

Instellingen voor het gebruik van augmentations.

beta1

number (float)

De waarde van 'beta1' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

beta2

number (float)

De waarde van 'beta2' wanneer optimizer 'adam' of 'adamw' is. Moet een float in het bereik [0, 1] zijn.

boxDetectionsPerImage

integer (int32)

Maximum aantal detecties per afbeelding, voor alle klassen. Moet een positief geheel getal zijn. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

boxScoreThreshold

number (float)

Tijdens deductie retourneert u alleen voorstellen met een classificatiescore die groter is dan BoxScoreThreshold. Moet een float zijn in het bereik[0, 1].

checkpointFrequency

integer (int32)

Frequentie voor het opslaan van modelcontrolepunten. Moet een positief geheel getal zijn.

checkpointModel

MLFlowModelJobInput

Het vooraf getrainde controlepuntmodel voor incrementele training.

checkpointRunId

string

De id van een vorige uitvoering met een vooraf getraind controlepunt voor incrementele training.

distributed

boolean

Of u gedistribueerde training wilt gebruiken.

earlyStopping

boolean

Schakel vroege stoplogica in tijdens de training.

earlyStoppingDelay

integer (int32)

Het minimum aantal epochs of validatie-evaluaties dat moet worden gewacht voordat primaire metrische gegevens worden verbeterd voor vroegtijdige stop. Moet een positief geheel getal zijn.

earlyStoppingPatience

integer (int32)

Minimaal aantal tijdvakken of validatie-evaluaties zonder primaire metrische verbetering voordat de uitvoering wordt gestopt. Moet een positief geheel getal zijn.

enableOnnxNormalization

boolean

Normalisatie inschakelen bij het exporteren van een ONNX-model.

evaluationFrequency

integer (int32)

Frequentie voor het evalueren van de validatiegegevensset om metrische scores op te halen. Moet een positief geheel getal zijn.

gradientAccumulationStep

integer (int32)

Accumulatie van kleurovergangen betekent het uitvoeren van een geconfigureerd aantal 'GradAccumulationStep'-stappen zonder de modelgewichten bij te werken tijdens het accumuleren van de kleurovergangen van deze stappen en vervolgens de verzamelde kleurovergangen te gebruiken om de gewichtsupdates te berekenen. Moet een positief geheel getal zijn.

imageSize

integer (int32)

Afbeeldingsgrootte voor trainen en valideren. Moet een positief geheel getal zijn. Opmerking: De trainingsuitvoering kan in CUDA OOM komen als de grootte te groot is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.

layersToFreeze

integer (int32)

Aantal lagen dat moet worden geblokkeerd voor het model. Moet een positief geheel getal zijn. Het doorgeven van 2 als waarde voor 'seresnext' betekent bijvoorbeeld vrieslaag0 en laag1. Zie voor een volledige lijst met modellen die worden ondersteund en details over laagblokkering: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

learningRate

number (float)

Eerste leersnelheid. Moet een float in het bereik [0, 1] zijn.

learningRateScheduler

LearningRateScheduler

None

Type van leerpercentageplanner. Moet 'warmup_cosine' of 'stap' zijn.

maxSize

integer (int32)

De maximale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed. Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

minSize

integer (int32)

Minimale grootte van de afbeelding die opnieuw moet worden geschaald voordat deze aan de backbone wordt gevoed. Moet een positief geheel getal zijn. Opmerking: de trainingsuitvoering kan CUDA OOM bereiken als de grootte te groot is. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

modelName

string

De naam van het model dat moet worden gebruikt voor training. Voor meer informatie over de beschikbare modellen raadpleegt u de officiële documentatie: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

modelSize

ModelSize

None

Modelgrootte. Moet 'klein', 'gemiddeld', 'groot' of 'xlarge' zijn. Opmerking: de trainingsuitvoering kan in CUDA OOM komen als de modelgrootte te groot is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.

momentum

number (float)

Waarde van momentum wanneer optimizer 'sgd' is. Moet een float in het bereik [0, 1] zijn.

multiScale

boolean

Schakel meerdere schaalafbeeldingen in op verschillende afbeeldingsgrootten met +/- 50%. Opmerking: de trainingsuitvoering kan in CUDA OOM komen als er onvoldoende GPU-geheugen is. Opmerking: deze instellingen worden alleen ondersteund voor het algoritme yolov5.

nesterov

boolean

Schakel nesterov in wanneer optimizer 'sgd' is.

nmsIouThreshold

number (float)

De drempelwaarde voor ALGORITMEN die wordt gebruikt tijdens deductie in NMS na verwerking. Moet een float in het bereik [0, 1] zijn.

numberOfEpochs

integer (int32)

Aantal trainingstijdvakken. Moet een positief geheel getal zijn.

numberOfWorkers

integer (int32)

Aantal werkrollen voor gegevenslaadprogramma's. Moet een niet-negatief geheel getal zijn.

optimizer

StochasticOptimizer

None

Type optimizer.

randomSeed

integer (int32)

Willekeurig zaad dat moet worden gebruikt bij het gebruik van deterministische training.

stepLRGamma

number (float)

Waarde van gamma wanneer de leerfrequentieplanner 'stap' is. Moet een float in het bereik [0, 1] zijn.

stepLRStepSize

integer (int32)

Waarde van stapgrootte wanneer de leerfrequentieplanner 'stap' is. Moet een positief geheel getal zijn.

tileGridSize

string

De rastergrootte die moet worden gebruikt voor het tegelen van elke afbeelding. Opmerking: TileGridSize mag geen zijn om kleine objectdetectielogica in te schakelen. Een tekenreeks met twee gehele getallen in mxn-indeling. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

tileOverlapRatio

number (float)

Overlapverhouding tussen aangrenzende tegels in elke dimensie. Moet zwevend zijn in het bereik [0, 1). Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

tilePredictionsNmsThreshold

number (float)

De drempelwaarde voor OPGEGEVEN voor het uitvoeren van NMS tijdens het samenvoegen van voorspellingen van tegels en afbeeldingen. Wordt gebruikt in validatie/deductie. Moet in het bereik liggen [0, 1]. Opmerking: deze instellingen worden niet ondersteund voor het algoritme yolov5.

trainingBatchSize

integer (int32)

Grootte van trainingsbatch. Moet een positief geheel getal zijn.

validationBatchSize

integer (int32)

Validatiebatchgrootte Moet een positief geheel getal zijn.

validationIouThreshold

number (float)

Drempelwaarde voor OPGEGEVEN voor gebruik bij het berekenen van de metrische waarde voor validatie. Moet in het bereik liggen [0, 1].

validationMetricType

ValidationMetricType

None

De metrische berekeningsmethode die moet worden gebruikt voor metrische validatiegegevens.

warmupCosineLRCycles

number (float)

Waarde van cosinuscyclus wanneer de leerfrequentieplanner 'warmup_cosine' is. Moet een float in het bereik [0, 1] zijn.

warmupCosineLRWarmupEpochs

integer (int32)

Waarde van opwarmtijdtijdvakken wanneer leerfrequentieplanner 'warmup_cosine' is. Moet een positief geheel getal zijn.

weightDecay

number (float)

Waarde van gewichtsverval wanneer optimizer 'sgd', 'adam' of 'adamw' is. Moet een float zijn in het bereik[0, 1].

ImageObjectDetection

Detectie van afbeeldingsobjecten. Objectdetectie wordt gebruikt om objecten in een afbeelding te identificeren en elk object te zoeken met een begrenzingsvak, bijvoorbeeld om alle honden en katten in een afbeelding te zoeken en een begrenzingsvak rond elk object te tekenen.

Name Type Default value Description
limitSettings

ImageLimitSettings

[Vereist] Instellingen voor de AutoML-taak beperken.

logVerbosity

LogVerbosity

Info

Logboek uitgebreidheid voor de taak.

modelSettings

ImageModelSettingsObjectDetection

Instellingen die worden gebruikt voor het trainen van het model.

primaryMetric

ObjectDetectionPrimaryMetrics

MeanAveragePrecision

Primaire metrische gegevens die u voor deze taak wilt optimaliseren.

searchSpace

ImageModelDistributionSettingsObjectDetection[]

Zoekruimte voor het nemen van steekproeven van verschillende combinaties van modellen en hun hyperparameters.

sweepSettings

ImageSweepSettings

Model opruimen en hyperparameter opruimen gerelateerde instellingen.

targetColumnName

string

Naam van doelkolom: dit is de kolom voorspellingswaarden. Ook wel labelkolomnaam genoemd in de context van classificatietaken.

taskType string:

ImageObjectDetection

[Vereist] Taaktype voor AutoMLJob.

trainingData

MLTableJobInput

[Vereist] Invoer van trainingsgegevens.

validationData

MLTableJobInput

Invoer van validatiegegevens.

validationDataSize

number (double)

Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden. Waarden tussen (0.0, 1.0) Toegepast wanneer er geen validatiegegevensset wordt opgegeven.

ImageSweepSettings

Model opruimen en hyperparameter opruimen gerelateerde instellingen.

Name Type Description
earlyTermination EarlyTerminationPolicy:

Type beleid voor vroegtijdige beëindiging.

samplingAlgorithm

SamplingAlgorithmType

[Vereist] Type van de algoritmen voor het nemen van hyperparameters.

InputDeliveryMode

Enum om de leveringsmodus voor invoergegevens te bepalen.

Waarde Description
Direct
Download
EvalDownload
EvalMount
ReadOnlyMount
ReadWriteMount

InstanceSegmentationPrimaryMetrics

Primaire metrische gegevens voor InstanceSegmentation-taken.

Waarde Description
MeanAveragePrecision

Gemiddelde gemiddelde precisie (MAP) is het gemiddelde van AP (Gemiddelde precisie). AP wordt berekend voor elke klasse en gemiddeld voor het ophalen van de MAP.

JobInputType

Enum om het taakinvoertype te bepalen.

Waarde Description
custom_model
literal
mlflow_model
mltable
triton_model
uri_file
uri_folder

JobLimitsType

Waarde Description
Command
Sweep

JobOutputType

Enum om het taakuitvoertype te bepalen.

Waarde Description
custom_model
mlflow_model
mltable
triton_model
uri_file
uri_folder

JobResourceConfiguration

Name Type Default value Description
dockerArgs

string

Extra argumenten die moeten worden doorgegeven aan de opdracht Docker-run. Hiermee worden alle parameters overschreven die al zijn ingesteld door het systeem of in deze sectie. Deze parameter wordt alleen ondersteund voor Azure ML-rekentypen.

instanceCount

integer (int32)

1

Optioneel aantal exemplaren of knooppunten dat door het rekendoel wordt gebruikt.

instanceType

string

Optioneel type VM dat wordt gebruikt als ondersteund door het rekendoel.

properties

object

Extra eigenschappen zak.

shmSize

string

pattern: \d+[bBkKmMgG]
2g

Grootte van het gedeelde geheugenblok van de Docker-container. Dit moet de notatie (getal)(eenheid) hebben waarbij getal groter is dan 0 en de eenheid een van b(bytes), k(kilobytes), m(megabytes) of g(gigabytes) kan zijn.

JobScheduleAction

Name Type Description
actionType string:

CreateJob

[Vereist] Hiermee geeft u het actietype van de planning

jobDefinition JobBase:

[Vereist] Definieert details van de actiedefinitie Planning.

JobService

Taakeindpuntdefinitie

Name Type Description
endpoint

string

URL voor eindpunt.

errorMessage

string

Eventuele fouten in de service.

jobServiceType

string

Eindpunttype.

nodes Nodes:

AllNodes

Knooppunten waarop de gebruiker de service wil starten. Als knooppunten niet zijn ingesteld of ingesteld op null, wordt de service alleen gestart op het leader-knooppunt.

port

integer (int32)

Poort voor eindpunt.

properties

object

Aanvullende eigenschappen die moeten worden ingesteld op het eindpunt.

status

string

Status van eindpunt.

JobStatus

De status van een taak.

Waarde Description
CancelRequested

Annulering is aangevraagd voor de taak.

Canceled

Na annuleringsaanvraag is de taak nu geannuleerd.

Completed

De taak is voltooid. Dit geeft aan dat zowel de taak zelf als de status van de uitvoerverzameling zijn voltooid

Failed

Taak is mislukt.

Finalizing

De taak wordt voltooid in het doel. Deze heeft nu de status van de uitvoerverzameling.

NotResponding

Als heartbeat is ingeschakeld en de uitvoering geen informatie bijwerkt naar RunHistory, krijgt de uitvoering de status Niet reageren. Not Respond is de enige status die is uitgesloten van strikte overgangsorders. Een uitvoering kan van Niet reageren op een van de vorige statussen gaan.

NotStarted

De uitvoering is nog niet gestart.

Paused

De taak wordt onderbroken door gebruikers. Sommige aanpassingen aan labeltaken kunnen alleen in onderbroken status worden uitgevoerd.

Preparing

De uitvoeringsomgeving wordt voorbereid.

Provisioning

(Momenteel niet gebruikt) Deze wordt gebruikt als ES het rekendoel maakt.

Queued

De taak wordt in de wachtrij geplaatst in het rekendoel. In BatchAI heeft de taak bijvoorbeeld de status In de wachtrij, terwijl wordt gewacht tot alle vereiste knooppunten gereed zijn.

Running

De taak is gestart om te worden uitgevoerd in het rekendoel.

Starting

De uitvoering is gestart. De gebruiker heeft een uitvoerings-id.

Unknown

Standaardtaakstatus als deze niet is toegewezen aan alle andere statussen

JobTier

Enum om het taakniveau te bepalen.

Waarde Description
Basic
Null
Premium
Spot
Standard

JobType

Enum om het type taak te bepalen.

Waarde Description
AutoML
Command
Pipeline
Spark
Sweep

LearningRateScheduler

Inventarisatie van leersnelheidsplanner.

Waarde Description
None

Er is geen learning rate scheduler geselecteerd.

Step

Stap learning rate scheduler.

WarmupCosine

Cosine Annealing met opwarming.

LiteralJobInput

Letterlijk invoertype.

Name Type Description
description

string

Beschrijving voor de invoer.

jobInputType string:

literal

[Vereist] Hiermee geeft u het type taak.

value

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Letterlijke waarde voor de invoer.

LogVerbosity

Opsomming voor het instellen van de uitgebreidheid van logboeken.

Waarde Description
Critical

Alleen kritieke instructies vastgelegd.

Debug

Fouten opsporen en bovenstaande logboekinstructies vastgelegd.

Error

Fout- en bovenstaande logboekinstructies die zijn vastgelegd.

Info

Informatie en bovenstaande logboekinstructies die zijn vastgelegd.

NotSet

Er worden geen logboeken verzonden.

Warning

Waarschuwings- en bovenstaande logboekinstructies die zijn vastgelegd.

ManagedComputeIdentity

Definitie van beheerde compute-identiteit.

Name Type Description
computeIdentityType string:

ManagedIdentity

[Vereist] Hiermee geeft u het type identiteit op dat moet worden gebruikt binnen de bewakingstaken.

identity

ManagedServiceIdentity

De identiteit die wordt gebruikt door de bewakingstaken.

ManagedIdentity

Configuratie van beheerde identiteit.

Name Type Description
clientId

string (uuid)

Hiermee geeft u een door de gebruiker toegewezen identiteit op basis van client-id. Stel dit veld niet in voor het door het systeem toegewezen veld.

identityType string:

Managed

[Vereist] Hiermee geeft u het type identiteitsframework op.

objectId

string (uuid)

Hiermee geeft u een door de gebruiker toegewezen identiteit op basis van object-id. Stel dit veld niet in voor het door het systeem toegewezen veld.

resourceId

string

Hiermee geeft u een door de gebruiker toegewezen identiteit op basis van arm-resource-id. Stel dit veld niet in voor het door het systeem toegewezen veld.

ManagedServiceIdentity

Beheerde service-identiteit (door het systeem toegewezen en/of door de gebruiker toegewezen identiteiten)

Name Type Description
principalId

string (uuid)

De service-principal-id van de door het systeem toegewezen identiteit. Deze eigenschap wordt alleen verstrekt voor een door het systeem toegewezen identiteit.

tenantId

string (uuid)

De tenant-id van de door het systeem toegewezen identiteit. Deze eigenschap wordt alleen verstrekt voor een door het systeem toegewezen identiteit.

type

ManagedServiceIdentityType

Type beheerde service-identiteit (waarbij zowel SystemAssigned- als UserAssigned-typen zijn toegestaan).

userAssignedIdentities

<string,  UserAssignedIdentity>

User-Assigned identiteiten
De set door de gebruiker toegewezen identiteiten die aan de resource zijn gekoppeld. De woordenlijstsleutels userAssignedIdentities zijn ARM-resource-id's in de vorm: /subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}. De waarden van de woordenlijst kunnen lege objecten ({}) zijn in aanvragen.

ManagedServiceIdentityType

Type beheerde service-identiteit (waarbij zowel SystemAssigned- als UserAssigned-typen zijn toegestaan).

Waarde Description
None
SystemAssigned
SystemAssigned,UserAssigned
UserAssigned

MedianStoppingPolicy

Definieert een beleid voor vroegtijdige beëindiging op basis van de lopende gemiddelden van de primaire metrische gegevens van alle uitvoeringen

Name Type Default value Description
delayEvaluation

integer (int32)

0

Aantal intervallen waarmee de eerste evaluatie moet worden vertraagd.

evaluationInterval

integer (int32)

0

Interval (aantal uitvoeringen) tussen beleidsevaluaties.

policyType string:

MedianStopping

[Vereist] Naam van beleidsconfiguratie

MLFlowModelJobInput

Name Type Default value Description
description

string

Beschrijving voor de invoer.

jobInputType string:

mlflow_model

[Vereist] Hiermee geeft u het type taak.

mode

InputDeliveryMode

ReadOnlyMount

Leveringsmodus invoerasset.

uri

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Invoerasset-URI.

MLFlowModelJobOutput

Name Type Default value Description
description

string

Beschrijving voor de uitvoer.

jobOutputType string:

mlflow_model

[Vereist] Hiermee geeft u het type taak.

mode

OutputDeliveryMode

ReadWriteMount

Uitvoerassetleveringsmodus.

uri

string

Uitvoerasset-URI.

MLTableJobInput

Name Type Default value Description
description

string

Beschrijving voor de invoer.

jobInputType string:

mltable

[Vereist] Hiermee geeft u het type taak.

mode

InputDeliveryMode

ReadOnlyMount

Leveringsmodus invoerasset.

uri

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Invoerasset-URI.

MLTableJobOutput

Name Type Default value Description
description

string

Beschrijving voor de uitvoer.

jobOutputType string:

mltable

[Vereist] Hiermee geeft u het type taak.

mode

OutputDeliveryMode

ReadWriteMount

Uitvoerassetleveringsmodus.

uri

string

Uitvoerasset-URI.

ModelSize

Grootte van afbeeldingsmodel.

Waarde Description
ExtraLarge

Extra groot formaat.

Large

Groot formaat.

Medium

Middelgroot formaat.

None

Er is geen waarde geselecteerd.

Small

Klein formaat.

ModelTaskType

Modeltaaktype enum.

Waarde Description
Classification
Regression

MonitorComputeIdentityType

Bewaak het type rekenidentiteit.

Waarde Description
AmlToken

Verifieert via het AML-token van de gebruiker.

ManagedIdentity

Verifieert via een door de gebruiker geleverde beheerde identiteit.

MonitorComputeType

Bewaak het rekentype enum.

Waarde Description
ServerlessSpark

Serverloze Spark-rekenkracht.

MonitorDefinition

Name Type Description
alertNotificationSettings

MonitorNotificationSettings

De meldingsinstellingen van de monitor.

computeConfiguration MonitorComputeConfigurationBase:

MonitorServerlessSparkCompute

[Vereist] De ARM-resource-id van de rekenresource waarop de bewakingstaak moet worden uitgevoerd.

monitoringTarget

MonitoringTarget

De entiteiten waarop de monitor is gericht.

signals

object

[Vereist] De signalen die moeten worden bewaakt.

MonitorEmailNotificationSettings

Name Type Description
emails

string[]

De lijst met geadresseerden voor e-mail met een limiet van 499 tekens in totaal.

MonitoringFeatureDataType

Waarde Description
Categorical

Wordt gebruikt voor functies van het categorische gegevenstype.

Numerical

Wordt gebruikt voor functies van het numerieke gegevenstype.

MonitoringFeatureFilterType

Waarde Description
AllFeatures

Bevat alle functies.

FeatureSubset

Bevat een door de gebruiker gedefinieerde subset van functies.

TopNByAttribution

Bevat alleen de belangrijkste bijdragende functies, gemeten op kenmerktoewijzing.

MonitoringInputDataType

Opsomming van invoergegevenstype bewaken.

Waarde Description
Fixed

Een invoergegevens met tabelindeling waarvoor geen voorverwerking nodig is.

Rolling

Een invoergegevens die relatief worden meegedraaid naar de huidige uitvoeringstijd van de monitor.

Static

Een invoergegevens met een vaste venstergrootte.

MonitoringNotificationType

Waarde Description
AmlNotification

Hiermee schakelt u e-mailmeldingen via AML-meldingen in.

MonitoringSignalType

Waarde Description
Custom

Houdt een aangepast signaal bij dat door gebruikers wordt geleverd.

DataDrift

Houdt wijzigingen in modelinvoergegevensdistributie bij, vergeleken met trainingsgegevens of eerdere productiegegevens.

DataQuality

Houdt de integriteit van modelinvoergegevens bij.

FeatureAttributionDrift

Houdt de wijziging van het belang van de functie bij in productie, vergeleken met het belang van functies tijdens de training.

PredictionDrift

Hiermee wordt de wijziging van de distributie van voorspellingsresultaten bijgehouden, vergeleken met validatie-/testlabelgegevens of eerdere productiegegevens.

MonitoringTarget

Doeldefinitie bewaken.

Name Type Description
deploymentId

string

Verwijzing naar de implementatieasset waarop deze monitor is gericht.

modelId

string

Verwijzing naar de modelasset waarop deze monitor is gericht.

taskType

ModelTaskType

[Vereist] Het type machine learning-taak van het bewaakte model.

MonitoringThreshold

Name Type Description
value

number (double)

De drempelwaarde. Als null is ingesteld, is de standaardinstelling afhankelijk van het metrische type.

MonitorNotificationSettings

Name Type Description
emailNotificationSettings

MonitorEmailNotificationSettings

De E-mailinstellingen voor AML-meldingen.

MonitorServerlessSparkCompute

Serverloze Spark-berekeningsdefinitie bewaken.

Name Type Description
computeIdentity MonitorComputeIdentityBase:

[Vereist] Het identiteitsschema dat wordt gebruikt door de Spark-taken die worden uitgevoerd op serverloze Spark.

computeType string:

ServerlessSpark

[Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt.

instanceType

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Het exemplaartype waarop de Spark-taak wordt uitgevoerd.

runtimeVersion

string

minLength: 1
pattern: ^[0-9]+\.[0-9]+$

[Vereist] De Spark Runtime-versie.

Mpi

MPI-distributieconfiguratie.

Name Type Description
distributionType string:

Mpi

[Vereist] Hiermee geeft u het type distributieframework op.

processCountPerInstance

integer (int32)

Aantal processen per MPI-knooppunt.

NCrossValidationsMode

Bepaalt hoe de waarde van N-Kruisvalidaties wordt bepaald.

Waarde Description
Auto

De waarde voor N-Kruisvalidaties automatisch bepalen. Alleen ondersteund voor autoML-taak 'Voorspellen'.

Custom

Gebruik de waarde voor aangepaste N-Kruisvalidaties.

NlpVerticalFeaturizationSettings

Name Type Description
datasetLanguage

string

De taal van de gegevensset, handig voor de tekstgegevens.

NlpVerticalLimitSettings

Beperkingen voor taakuitvoering.

Name Type Default value Description
maxConcurrentTrials

integer (int32)

1

Maximum aantal Gelijktijdige AutoML-iteraties.

maxTrials

integer (int32)

1

Aantal AutoML-iteraties.

timeout

string (duration)

P7D

Time-out voor AutoML-taken.

NodesValueType

De opgesomde typen voor de waarde van de knooppunten

Waarde Description
All

NotificationSetting

Configuratie voor melding.

Name Type Description
emailOn

EmailNotificationEnableType[]

E-mailmelding verzenden naar gebruiker op opgegeven meldingstype

emails

string[]

Dit is de lijst met geadresseerden voor e-mail met een limiet van 499 tekens in totaal samenvoeging met kommascheidingsteken

webhooks

object

Webhook callback verzenden naar een service. De sleutel is een door de gebruiker opgegeven naam voor de webhook.

NumericalDataDriftMetric

Waarde Description
JensenShannonDistance

De metrische gegevens van Jensen Shannon Distance (JSD).

NormalizedWassersteinDistance

De genormaliseerde Wasserstein Afstand metrische gegevens.

PopulationStabilityIndex

De psi-meetwaarde (Population Stability Index).

TwoSampleKolmogorovSmirnovTest

De twee steekproef Kolmogorov-Smirnov Test (twee-steekproef Kâ€"S) metriek.

NumericalDataDriftMetricThreshold

Name Type Description
dataType string:

Numerical

[Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op.

metric

NumericalDataDriftMetric

[Vereist] De numerieke gegevensdriftwaarde die moet worden berekend.

threshold

MonitoringThreshold

De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde.

NumericalDataQualityMetric

Waarde Description
DataTypeErrorRate

Berekent de snelheid van fouten van het gegevenstype.

NullValueRate

Berekent de snelheid van null-waarden.

OutOfBoundsRate

Berekent de snelheidswaarden buiten de grenzen.

NumericalDataQualityMetricThreshold

Name Type Description
dataType string:

Numerical

[Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op.

metric

NumericalDataQualityMetric

[Vereist] De meetwaarde voor numerieke gegevenskwaliteit die moet worden berekend.

threshold

MonitoringThreshold

De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde.

NumericalPredictionDriftMetric

Waarde Description
JensenShannonDistance

De metrische gegevens van Jensen Shannon Distance (JSD).

NormalizedWassersteinDistance

De genormaliseerde Wasserstein Afstand metrische gegevens.

PopulationStabilityIndex

De psi-meetwaarde (Population Stability Index).

TwoSampleKolmogorovSmirnovTest

De twee steekproef Kolmogorov-Smirnov Test (twee-steekproef Kâ€"S) metriek.

NumericalPredictionDriftMetricThreshold

Name Type Description
dataType string:

Numerical

[Vereist] Hiermee geeft u het gegevenstype van de metrische drempelwaarde op.

metric

NumericalPredictionDriftMetric

[Vereist] De numerieke voorspellingsdrift die moet worden berekend.

threshold

MonitoringThreshold

De drempelwaarde. Als null is, wordt een standaardwaarde ingesteld, afhankelijk van de geselecteerde metrische waarde.

ObjectDetectionPrimaryMetrics

Primaire metrische gegevens voor de taak Image ObjectDetection.

Waarde Description
MeanAveragePrecision

Gemiddelde gemiddelde precisie (MAP) is het gemiddelde van AP (Gemiddelde precisie). AP wordt berekend voor elke klasse en gemiddeld voor het ophalen van de MAP.

Objective

Optimalisatiedoelstelling.

Name Type Description
goal

Goal

[Vereist] Definieert ondersteunde metrische doelen voor het afstemmen van hyperparameters

primaryMetric

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Naam van de metrische waarde die u wilt optimaliseren.

OutputDeliveryMode

Opsommingen van uitvoergegevensleveringsmodus.

Waarde Description
Direct
ReadWriteMount
Upload

PipelineJob

Definitie van pijplijntaak: definieert algemene MFE-kenmerken.

Name Type Default value Description
componentId

string

ARM-resource-id van de onderdeelresource.

computeId

string

ARM-resource-id van de rekenresource.

description

string

De tekst van de assetbeschrijving.

displayName

string

Weergavenaam van taak.

experimentName

string

Default

De naam van het experiment waartoe de taak behoort. Als deze niet is ingesteld, wordt de taak in het standaardexperiment geplaatst.

identity IdentityConfiguration:

Identiteitsconfiguratie. Indien ingesteld, moet dit een van AmlToken, ManagedIdentity, UserIdentity of null zijn. Standaard ingesteld op AmlToken als null.

inputs

object

Invoer voor de pijplijntaak.

isArchived

boolean

False

Is de asset gearchiveerd?

jobType string:

Pipeline

[Vereist] Hiermee geeft u het type taak.

jobs

object

Taken maken de pijplijntaak.

notificationSetting

NotificationSetting

Meldingsinstelling voor de taak

outputs

object

Uitvoer voor de pijplijntaak

properties

object

De woordenlijst voor asseteigenschappen.

services

<string,  JobService>

Lijst met JobEndpoints. Voor lokale taken heeft een taakeindpunt een eindpuntwaarde van FileStreamObject.

settings

object

Pijplijninstellingen, voor zaken zoals ContinueRunOnStepFailure, enzovoort.

sourceJobId

string

ARM-resource-id van brontaak.

status

JobStatus

Status van de taak.

tags

object

Tagwoordenlijst. Tags kunnen worden toegevoegd, verwijderd en bijgewerkt.

PredictionDriftMonitoringSignal

Name Type Description
featureDataTypeOverride

object

Een woordenlijst waarmee functienamen worden toegewezen aan hun respectieve gegevenstypen.

metricThresholds PredictionDriftMetricThresholdBase[]:

[Vereist] Een lijst met metrische gegevens die moeten worden berekend en de bijbehorende drempelwaarden.

notificationTypes

MonitoringNotificationType[]

De huidige meldingsmodus voor dit signaal.

productionData MonitoringInputDataBase:

[Vereist] De gegevens waarvoor afwijkingen worden berekend.

properties

object

Eigenschappenwoordenlijst. Eigenschappen kunnen worden toegevoegd, maar niet worden verwijderd of gewijzigd.

referenceData MonitoringInputDataBase:

[Vereist] De gegevens voor het berekenen van afwijkingen.

signalType string:

PredictionDrift

[Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt.

PyTorch

PyTorch-distributieconfiguratie.

Name Type Description
distributionType string:

PyTorch

[Vereist] Hiermee geeft u het type distributieframework op.

processCountPerInstance

integer (int32)

Aantal processen per knooppunt.

QueueSettings

Name Type Default value Description
jobTier

JobTier

Null

De rekentaaklaag beheren

RandomSamplingAlgorithm

Definieert een sampling-algoritme waarmee willekeurig waarden worden gegenereerd

Name Type Default value Description
rule

RandomSamplingAlgorithmRule

Random

Het specifieke type willekeurig algoritme

samplingAlgorithmType string:

Random

[Vereist] Het algoritme dat wordt gebruikt voor het genereren van hyperparameterwaarden, samen met configuratie-eigenschappen

seed

integer (int32)

Een optioneel geheel getal dat moet worden gebruikt als de seed voor het genereren van willekeurige getallen

RandomSamplingAlgorithmRule

Het specifieke type willekeurig algoritme

Waarde Description
Random
Sobol

RecurrenceFrequency

Opsomming om de frequentie van een terugkeerschema te beschrijven

Waarde Description
Day

Dagfrequentie

Hour

Uurfrequentie

Minute

Minuutfrequentie

Month

Maandfrequentie

Week

Weekfrequentie

RecurrenceSchedule

Name Type Description
hours

integer[] (int32)

[Vereist] Lijst met uren voor de planning.

minutes

integer[] (int32)

[Vereist] Lijst met minuten voor de planning.

monthDays

integer[] (int32)

Lijst met maanddagen voor de planning

weekDays

WeekDay[]

Lijst met dagen voor de planning.

RecurrenceTrigger

Name Type Default value Description
endTime

string

Hiermee geeft u de eindtijd van de planning in ISO 8601, maar zonder utc-offset. Raadpleeg https://en.wikipedia.org/wiki/ISO_8601. De indeling '2022-06-01T00:00:01' Als deze niet aanwezig is, wordt het schema voor onbepaalde tijd uitgevoerd

frequency

RecurrenceFrequency

[Vereist] De frequentie voor het activeren van het schema.

interval

integer (int32)

[Vereist] Hiermee geeft u het schema-interval in combinatie met frequentie

schedule

RecurrenceSchedule

Het terugkeerschema.

startTime

string

Hiermee geeft u de begintijd van de planning in ISO 8601-indeling, maar zonder utc-offset.

timeZone

string

UTC

Hiermee geeft u de tijdzone op waarin het schema wordt uitgevoerd. Tijdzone moet de windows-tijdzone-indeling volgen. Doorverwijzen: https://docs.microsoft.com/en-us/windows-hardware/manufacture/desktop/default-time-zones?view=windows-11

triggerType string:

Recurrence

[Vereist]

Regression

Regressietaak in autoML-tabel verticaal.

Name Type Default value Description
cvSplitColumnNames

string[]

Kolommen die moeten worden gebruikt voor CVSplit-gegevens.

featurizationSettings

TableVerticalFeaturizationSettings

Featurization-invoer die nodig is voor de AutoML-taak.

limitSettings

TableVerticalLimitSettings

Uitvoeringsbeperkingen voor AutoMLJob.

logVerbosity

LogVerbosity

Info

Logboek uitgebreidheid voor de taak.

nCrossValidations NCrossValidations:

Het aantal kruisvalidatievouwen dat moet worden toegepast op de trainingsgegevensset wanneer er geen validatiegegevensset wordt opgegeven.

primaryMetric

RegressionPrimaryMetrics

NormalizedRootMeanSquaredError

Primaire metriek voor regressietaak.

targetColumnName

string

Naam van doelkolom: dit is de kolom voorspellingswaarden. Ook wel labelkolomnaam genoemd in de context van classificatietaken.

taskType string:

Regression

[Vereist] Taaktype voor AutoMLJob.

testData

MLTableJobInput

Gegevensinvoer testen.

testDataSize

number (double)

Het deel van de testgegevensset dat moet worden gereserveerd voor validatiedoeleinden. Waarden tussen (0.0, 1.0) Toegepast wanneer er geen validatiegegevensset wordt opgegeven.

trainingData

MLTableJobInput

[Vereist] Invoer van trainingsgegevens.

trainingSettings

RegressionTrainingSettings

Invoer voor de trainingsfase voor een AutoML-taak.

validationData

MLTableJobInput

Invoer van validatiegegevens.

validationDataSize

number (double)

Het deel van de trainingsgegevensset dat moet worden gereserveerd voor validatiedoeleinden. Waarden tussen (0.0, 1.0) Toegepast wanneer er geen validatiegegevensset wordt opgegeven.

weightColumnName

string

De naam van de kolom met de steekproefgewicht. Geautomatiseerde ML ondersteunt een gewogen kolom als invoer, waardoor rijen in de gegevens omhoog of omlaag worden gewogen.

RegressionModels

Opsomming voor alle Regressiemodellen die worden ondersteund door AutoML.

Waarde Description
DecisionTree

Beslissingsstructuren zijn een niet-parametrische leermethode die wordt gebruikt voor zowel classificatie- als regressietaken. Het doel is om een model te maken dat de waarde van een doelvariabele voorspelt door eenvoudige beslissingsregels te leren die zijn afgeleid van de gegevensfuncties.

ElasticNet

Elastisch net is een populair type ge regulariseerde lineaire regressie die twee populaire sancties combineert, met name de L1- en L2-boetefuncties.

ExtremeRandomTrees

Extreme Trees is een ensemble machine learning-algoritme dat de voorspellingen van veel beslissingsstructuren combineert. Het is gerelateerd aan het veelgebruikte willekeurige forestalgoritme.

GradientBoosting

De techniek van het doorvoeren van weekleerders naar een sterke cursist wordt Boost genoemd. Het proces voor het verhogen van de kleurovergang werkt aan deze uitvoeringstheorie.

KNN

K-dichtstbijzijnde buren (KNN)-algoritme maakt gebruik van 'functie-gelijkenis' om de waarden van nieuwe gegevenspunten te voorspellen. Dit betekent verder dat aan het nieuwe gegevenspunt een waarde wordt toegewezen op basis van de mate waarin het overeenkomt met de punten in de trainingsset.

LassoLars

Lasso-model past bij Least Angle Regression a.k.a. Lars. Het is een lineair model dat is getraind met een L1 eerder als regularizer.

LightGBM

LightGBM is een framework voor het stimuleren van kleurovergangen dat gebruikmaakt van op structuur gebaseerde leeralgoritmen.

RandomForest

Random forest is een leeralgoritmen onder supervisie. Het "bos" dat het bouwt, is een ensemble van beslissingsbomen, meestal getraind met de "bagging"-methode. Het algemene idee van de baggingmethode is dat een combinatie van leermodellen het algehele resultaat verhoogt.

SGD

SGD: Stochastische gradiëntafname is een optimalisatie-algoritme dat vaak wordt gebruikt in machine learning-toepassingen om de modelparameters te vinden die overeenkomen met de beste pasvorm tussen voorspelde en werkelijke uitvoer. Het is een onuitstaanbare maar krachtige techniek.

XGBoostRegressor

XGBoostRegressor: Extreme Gradient Boosting Regressor is een machine learning-model onder supervisie met behulp van ensemble van basisleerders.

RegressionPrimaryMetrics

Primaire metrische gegevens voor regressietaak.

Waarde Description
NormalizedMeanAbsoluteError

De genormaliseerde gemiddelde absolute fout (NMAE) is een validatiemetriek om de Mean Absolute Error (MAE) van (tijd) reeksen te vergelijken met verschillende schalen.

NormalizedRootMeanSquaredError

De RMSE (Normalized Root Mean Squared Error, NRMSE) vereenvoudigt de vergelijking tussen modellen met verschillende schalen.

R2Score

De R2-score is een van de prestatie-evaluatiemaatregelen voor machine learning-modellen op basis van prognoses.

SpearmanCorrelation

De rangcoëfficiënt van Spearman van correlatie is een niet-parametrische meting van rangcorrelatie.

RegressionTrainingSettings

Configuratie met betrekking tot regressietraining.

Name Type Default value Description
allowedTrainingAlgorithms

RegressionModels[]

Toegestane modellen voor regressietaak.

blockedTrainingAlgorithms

RegressionModels[]

Geblokkeerde modellen voor regressietaak.

enableDnnTraining

boolean

False

Schakel de aanbeveling van DNN-modellen in.

enableModelExplainability

boolean

True

Vlag om uitleg in te schakelen voor het beste model.

enableOnnxCompatibleModels

boolean

False

Vlag voor het inschakelen van compatibele onnx-modellen.

enableStackEnsemble

boolean

True

Schakel stack ensemble run in.

enableVoteEnsemble

boolean

True

Stem ensembleuitvoering inschakelen.

ensembleModelDownloadTimeout

string (duration)

PT5M

Tijdens votingEnsemble en StackEnsemble modelgeneratie worden meerdere aangepaste modellen van de vorige onderliggende uitvoeringen gedownload. Configureer deze parameter met een hogere waarde dan 300 sec. Als er meer tijd nodig is.

stackEnsembleSettings

StackEnsembleSettings

Stack ensemble-instellingen voor stack ensemble run.

RollingInputData

Definitie van rolling invoergegevens.

Name Type Description
columns

object

Toewijzing van kolomnamen aan speciale toepassingen.

dataContext

string

De contextmetagegevens van de gegevensbron.

inputDataType string:

Rolling

[Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt.

jobInputType

JobInputType

[Vereist] Hiermee geeft u het type taak.

preprocessingComponentId

string

Verwijzing naar de onderdeelasset die wordt gebruikt om de gegevens vooraf te verwerken.

uri

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Invoerasset-URI.

windowOffset

string (duration)

[Vereist] De tijdsverschil tussen het einde van het gegevensvenster en de huidige uitvoeringstijd van de monitor.

windowSize

string (duration)

[Vereist] De grootte van het rolling-gegevensvenster.

SamplingAlgorithmType

Waarde Description
Bayesian
Grid
Random

Schedule

Basisdefinitie van een schema

Name Type Default value Description
action ScheduleActionBase:

[Vereist] Hiermee geeft u de actie van de planning

description

string

De tekst van de assetbeschrijving.

displayName

string

Weergavenaam van planning.

isEnabled

boolean

True

Is de planning ingeschakeld?

properties

object

De woordenlijst voor asseteigenschappen.

provisioningState

ScheduleProvisioningStatus

Inrichtingsstatus voor de planning.

tags

object

Tagwoordenlijst. Tags kunnen worden toegevoegd, verwijderd en bijgewerkt.

trigger TriggerBase:

[Vereist] Hiermee geeft u de details van de trigger

ScheduleActionType

Waarde Description
CreateJob
CreateMonitor
InvokeBatchEndpoint

ScheduleProvisioningStatus

Waarde Description
Canceled
Creating
Deleting
Failed
Succeeded
Updating

ScheduleResource

Resource-envelop van Azure Resource Manager.

Name Type Description
id

string

Volledig gekwalificeerde resource-id voor de resource. Vb.: - /subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/{resourceProviderNamespace}/{resourceType}/{resourceName}

name

string

De naam van de resource

properties

Schedule

[Vereist] Aanvullende kenmerken van de entiteit.

systemData

systemData

Azure Resource Manager-metagegevens met createdBy- en modifiedBy-gegevens.

type

string

Het type bron. Bijvoorbeeld 'Microsoft.Compute/virtualMachines' of 'Microsoft.Storage/storageAccounts'

SeasonalityMode

Seizoensgebondenheidsmodus voorspellen.

Waarde Description
Auto

Seizoensgebondenheid die automatisch moet worden bepaald.

Custom

Gebruik de aangepaste seizoensgebondenheidswaarde.

ShortSeriesHandlingConfiguration

De parameter die definieert hoe autoML korte tijdreeksen moet verwerken.

Waarde Description
Auto

Korte reeks wordt opgevuld als er geen lange reeks is, anders wordt korte reeks verwijderd.

Drop

Alle korte reeksen worden verwijderd.

None

Vertegenwoordigt geen/null-waarde.

Pad

Alle korte reeksen worden opgevuld.

SparkJob

Spark-taakdefinitie.

Name Type Default value Description
archives

string[]

Archiefbestanden die in de taak worden gebruikt.

args

string

Argumenten voor de taak.

codeId

string (arm-id)

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] arm-id van de codeasset.

componentId

string

ARM-resource-id van de onderdeelresource.

computeId

string

ARM-resource-id van de rekenresource.

conf

object

Door Spark geconfigureerde eigenschappen.

description

string

De tekst van de assetbeschrijving.

displayName

string

Weergavenaam van taak.

entry SparkJobEntry:

[Vereist] De vermelding die moet worden uitgevoerd bij het opstarten van de taak.

environmentId

string (arm-id)

De ARM-resource-id van de omgevingsspecificatie voor de taak.

environmentVariables

object

Omgevingsvariabelen die zijn opgenomen in de taak.

experimentName

string

Default

De naam van het experiment waartoe de taak behoort. Als deze niet is ingesteld, wordt de taak in het standaardexperiment geplaatst.

files

string[]

Bestanden die in de taak worden gebruikt.

identity IdentityConfiguration:

Identiteitsconfiguratie. Indien ingesteld, moet dit een van AmlToken, ManagedIdentity, UserIdentity of null zijn. Standaard ingesteld op AmlToken als null.

inputs

object

Toewijzing van invoergegevensbindingen die in de taak worden gebruikt.

isArchived

boolean

False

Is de asset gearchiveerd?

jars

string[]

Jar-bestanden die in de taak worden gebruikt.

jobType string:

Spark

[Vereist] Hiermee geeft u het type taak.

notificationSetting

NotificationSetting

Meldingsinstelling voor de taak

outputs

object

Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt.

properties

object

De woordenlijst voor asseteigenschappen.

pyFiles

string[]

Python-bestanden die in de taak worden gebruikt.

queueSettings

QueueSettings

Wachtrijinstellingen voor de taak

resources

SparkResourceConfiguration

Rekenresourceconfiguratie voor de taak.

services

<string,  JobService>

Lijst met JobEndpoints. Voor lokale taken heeft een taakeindpunt een eindpuntwaarde van FileStreamObject.

status

JobStatus

Status van de taak.

tags

object

Tagwoordenlijst. Tags kunnen worden toegevoegd, verwijderd en bijgewerkt.

SparkJobEntryType

Waarde Description
SparkJobPythonEntry
SparkJobScalaEntry

SparkJobPythonEntry

Name Type Description
file

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Relatief Python-bestandspad voor taakinvoerpunt.

sparkJobEntryType string:

SparkJobPythonEntry

[Vereist] Type van het toegangspunt van de taak.

SparkJobScalaEntry

Name Type Description
className

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Scala-klassenaam die wordt gebruikt als toegangspunt.

sparkJobEntryType string:

SparkJobScalaEntry

[Vereist] Type van het toegangspunt van de taak.

SparkResourceConfiguration

Name Type Default value Description
instanceType

string

Optioneel type VM dat wordt gebruikt als ondersteund door het rekendoel.

runtimeVersion

string

3.1

Versie van spark-runtime die wordt gebruikt voor de taak.

StackEnsembleSettings

Geavanceerde instelling voor het aanpassen van StackEnsemble-uitvoering.

Name Type Default value Description
stackMetaLearnerKWargs

object

Optionele parameters die moeten worden doorgegeven aan de initialisatiefunctie van de meta-learner.

stackMetaLearnerTrainPercentage

number (double)

0.2

Hiermee geeft u het aandeel van de trainingsset op (bij het kiezen van het trainings- en validatietype) dat moet worden gereserveerd voor het trainen van de meta-learner. De standaardwaarde is 0,2.

stackMetaLearnerType

StackMetaLearnerType

None

De meta-learner is een model dat is getraind op de uitvoer van de afzonderlijke heterogene modellen.

StackMetaLearnerType

De meta-learner is een model dat is getraind op de uitvoer van de afzonderlijke heterogene modellen. Standaardmetaleerders zijn LogisticRegression voor classificatietaken (of LogisticRegressionCV als kruisvalidatie is ingeschakeld) en ElasticNet voor regressie-/prognosetaken (of ElasticNetCV als kruisvalidatie is ingeschakeld). Deze parameter kan een van de volgende tekenreeksen zijn: LogisticRegression, LogisticRegressionCV, LightGBMClassifier, ElasticNet, ElasticNetCV, LightGBMRegressor of LinearRegression

Waarde Description
ElasticNet

Standaardmetaleerders zijn LogisticRegression voor regressietaak.

ElasticNetCV

Standaard-meta-learners zijn LogisticRegression voor regressietaak wanneer CV is ingeschakeld.

LightGBMClassifier
LightGBMRegressor
LinearRegression
LogisticRegression

Standaardmetaleerders zijn LogisticRegression voor classificatietaken.

LogisticRegressionCV

Standaardmetagegevens zijn LogisticRegression voor classificatietaak wanneer CV is ingeschakeld.

None

StaticInputData

Definitie van statische invoergegevens.

Name Type Description
columns

object

Toewijzing van kolomnamen aan speciale toepassingen.

dataContext

string

De contextmetagegevens van de gegevensbron.

inputDataType string:

Static

[Vereist] Hiermee geeft u het type signaal dat moet worden bewaakt.

jobInputType

JobInputType

[Vereist] Hiermee geeft u het type taak.

preprocessingComponentId

string

Verwijzing naar de onderdeelasset die wordt gebruikt om de gegevens vooraf te verwerken.

uri

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Invoerasset-URI.

windowEnd

string (date-time)

[Vereist] De einddatum van het gegevensvenster.

windowStart

string (date-time)

[Vereist] De begindatum van het gegevensvenster.

StochasticOptimizer

Stochastic Optimizer voor afbeeldingsmodellen.

Waarde Description
Adam

Adam is algoritme dat stochastische objectieve functies optimaliseert op basis van adaptieve schattingen van momenten

Adamw

AdamW is een variant van de optimizer Adam die een verbeterde implementatie van gewichtsverval heeft.

None

Er is geen optimalisatie geselecteerd.

Sgd

Stochastic Gradient Descent optimizer.

SweepJob

Taakdefinitie opruimen.

Name Type Default value Description
componentId

string

ARM-resource-id van de onderdeelresource.

computeId

string

ARM-resource-id van de rekenresource.

description

string

De tekst van de assetbeschrijving.

displayName

string

Weergavenaam van taak.

earlyTermination EarlyTerminationPolicy:

Beleid voor vroegtijdige beëindiging zorgt ervoor dat uitvoeringen met slechte prestaties worden geannuleerd voordat ze zijn voltooid

experimentName

string

Default

De naam van het experiment waartoe de taak behoort. Als deze niet is ingesteld, wordt de taak in het standaardexperiment geplaatst.

identity IdentityConfiguration:

Identiteitsconfiguratie. Indien ingesteld, moet dit een van AmlToken, ManagedIdentity, UserIdentity of null zijn. Standaard ingesteld op AmlToken als null.

inputs

object

Toewijzing van invoergegevensbindingen die in de taak worden gebruikt.

isArchived

boolean

False

Is de asset gearchiveerd?

jobType string:

Sweep

[Vereist] Hiermee geeft u het type taak.

limits

SweepJobLimits

{}

Taaklimiet opruimen.

notificationSetting

NotificationSetting

Meldingsinstelling voor de taak

objective

Objective

[Vereist] Optimalisatiedoelstelling.

outputs

object

Toewijzing van uitvoergegevensbindingen die in de taak worden gebruikt.

properties

object

De woordenlijst voor asseteigenschappen.

queueSettings

QueueSettings

Wachtrijinstellingen voor de taak

samplingAlgorithm SamplingAlgorithm:

[Vereist] Het algoritme voor hyperparametersampling

searchSpace

object

[Vereist] Een woordenlijst met elke parameter en de bijbehorende distributie. De woordenlijstsleutel is de naam van de parameter

services

<string,  JobService>

Lijst met JobEndpoints. Voor lokale taken heeft een taakeindpunt een eindpuntwaarde van FileStreamObject.

status

JobStatus

Status van de taak.

tags

object

Tagwoordenlijst. Tags kunnen worden toegevoegd, verwijderd en bijgewerkt.

trial

TrialComponent

[Vereist] Definitie van proefonderdeel.

SweepJobLimits

Sweep Taaklimietklasse.

Name Type Description
jobLimitsType string:

Sweep

[Vereist] Type JobLimit.

maxConcurrentTrials

integer (int32)

Sweep Job max gelijktijdige proefversies.

maxTotalTrials

integer (int32)

Sweep Job maximum aantal proefversies.

timeout

string (duration)

De maximale uitvoeringsduur in ISO 8601-indeling, waarna de taak wordt geannuleerd. Ondersteunt alleen de duur met precisie zo laag als seconden.

trialTimeout

string (duration)

Time-outwaarde voor time-out voor de proefversie van de taak opruimen.

systemData

Metagegevens met betrekking tot het maken en de laatste wijziging van de resource.

Name Type Description
createdAt

string (date-time)

De tijdstempel van het maken van resources (UTC).

createdBy

string

De identiteit waarmee de resource is gemaakt.

createdByType

createdByType

Het type identiteit waarmee de resource is gemaakt.

lastModifiedAt

string (date-time)

De tijdstempel van de laatste wijziging van de resource (UTC)

lastModifiedBy

string

De identiteit die de resource voor het laatst heeft gewijzigd.

lastModifiedByType

createdByType

Het type identiteit dat de resource voor het laatst heeft gewijzigd.

TableVerticalFeaturizationSettings

Featurisatie configuratie.

Name Type Default value Description
blockedTransformers

BlockedTransformers[]

Deze transformatoren mogen niet worden gebruikt in featurization.

columnNameAndTypes

object

Woordenlijst van kolomnaam en het bijbehorende type (int, float, tekenreeks, datum/tijd, enzovoort).

datasetLanguage

string

De taal van de gegevensset, handig voor de tekstgegevens.

enableDnnFeaturization

boolean

False

Bepaalt of op Dnn gebaseerde featurizers moeten worden gebruikt voor gegevensmetrisatie.

mode

FeaturizationMode

Auto

Featurization-modus: de gebruiker kan de standaardmodus 'Auto' behouden en AutoML zorgt voor de noodzakelijke transformatie van de gegevens in de featurization-fase. Als 'Uit' is geselecteerd, wordt er geen featurization uitgevoerd. Als 'Aangepast' is geselecteerd, kan de gebruiker aanvullende invoer opgeven om aan te passen hoe featurization wordt uitgevoerd.

transformerParams

object

Gebruiker kan extra transformatoren opgeven die moeten worden gebruikt, samen met de kolommen waarop deze moet worden toegepast en parameters voor de transformatorconstructor.

TableVerticalLimitSettings

Beperkingen voor taakuitvoering.

Name Type Default value Description
enableEarlyTermination

boolean

True

Vroegtijdige beëindiging inschakelen, bepaalt of AutoMLJob vroeg wordt beëindigd als er geen scoreverbetering is in de afgelopen 20 iteraties.

exitScore

number (double)

Afsluitscore voor de AutoML-taak.

maxConcurrentTrials

integer (int32)

1

Maximum aantal gelijktijdige iteraties.

maxCoresPerTrial

integer (int32)

-1

Maximum aantal kernen per iteratie.

maxTrials

integer (int32)

1000

Aantal iteraties.

timeout

string (duration)

PT6H

Time-out voor AutoML-taken.

trialTimeout

string (duration)

PT30M

Time-out voor iteratie.

TargetAggregationFunction

Statistische doelfunctie.

Waarde Description
Max
Mean
Min
None

Vertegenwoordig geen waardeset.

Sum

TargetLagsMode

Doelvertragingsselectiemodi.

Waarde Description
Auto

Doelvertragingen die automatisch moeten worden bepaald.

Custom

Gebruik de aangepaste doelvertragingen.

TargetRollingWindowSizeMode

Doelmodus voor rollende vensters.

Waarde Description
Auto

Bepaal automatisch de grootte van rollende vensters.

Custom

Gebruik de opgegeven grootte van het rolling-venster.

TaskType

Type AutoMLJob-taak.

Waarde Description
Classification

Classificatie in machine learning en statistieken is een leerbenadering onder supervisie waarin het computerprogramma leert van de gegevens die eraan zijn gegeven en nieuwe waarnemingen of classificaties aanbrengt.

Forecasting

Voorspellen is een speciaal soort regressietaak die betrekking heeft op tijdreeksgegevens en een prognosemodel maakt dat kan worden gebruikt om de nabije toekomstige waarden te voorspellen op basis van de invoer.

ImageClassification

Afbeeldingsclassificatie. Afbeeldingsclassificatie met meerdere klassen wordt gebruikt wanneer een afbeelding wordt geclassificeerd met slechts één label uit een reeks klassen, bijvoorbeeld elke afbeelding wordt geclassificeerd als een afbeelding van een 'kat' of 'hond' of een 'eend'.

ImageClassificationMultilabel

Afbeeldingsclassificatie met meerdere labels. Afbeeldingsclassificatie met meerdere labels wordt gebruikt wanneer een afbeelding een of meer labels van een set labels kan hebben. Een afbeelding kan bijvoorbeeld worden gelabeld met zowel 'kat' als 'hond'.

ImageInstanceSegmentation

Segmentatie van afbeeldingsexemplaren. Instantiesegmentatie wordt gebruikt om objecten in een afbeelding op pixelniveau te identificeren, waarbij een veelhoek rond elk object in de afbeelding wordt getekend.

ImageObjectDetection

Detectie van afbeeldingsobjecten. Objectdetectie wordt gebruikt om objecten in een afbeelding te identificeren en elk object te zoeken met een begrenzingsvak, bijvoorbeeld om alle honden en katten in een afbeelding te zoeken en een begrenzingsvak rond elk object te tekenen.

Regression

Regressie betekent om de waarde te voorspellen met behulp van de invoergegevens. Regressiemodellen worden gebruikt om een continue waarde te voorspellen.

TextClassification

Tekstclassificatie (ook wel tekstlabels of tekstcategorisatie genoemd) is het proces van het sorteren van tekst in categorieën. Categorieën sluiten elkaar wederzijds uit.

TextClassificationMultilabel

Met een classificatietaak met meerdere labels wordt elk voorbeeld toegewezen aan een groep (nul of meer) doellabels.

TextNER

Tekst met de naam Entity Recognition, ook wel TextNER genoemd. Named Entity Recognition (NER) is de mogelijkheid om vrije tekst te gebruiken en de instanties van entiteiten, zoals personen, locaties, organisaties en meer, te identificeren.

TensorFlow

TensorFlow-distributieconfiguratie.

Name Type Default value Description
distributionType string:

TensorFlow

[Vereist] Hiermee geeft u het type distributieframework op.

parameterServerCount

integer (int32)

0

Aantal parameterservertaken.

workerCount

integer (int32)

Aantal werknemers. Als dit niet is opgegeven, wordt het aantal exemplaren standaard ingesteld.

TextClassification

Tekstclassificatietaak in AutoML NLP verticaal. NLP - Natuurlijke taalverwerking.

Name Type Default value Description
featurizationSettings

NlpVerticalFeaturizationSettings

Featurization-invoer die nodig is voor de AutoML-taak.

limitSettings

NlpVerticalLimitSettings

Uitvoeringsbeperkingen voor AutoMLJob.

logVerbosity

LogVerbosity

Info

Logboek uitgebreidheid voor de taak.

primaryMetric

ClassificationPrimaryMetrics

Accuracy

Primaire metrische gegevens voor Text-Classification taak.

targetColumnName

string

Naam van doelkolom: dit is de kolom voorspellingswaarden. Ook wel labelkolomnaam genoemd in de context van classificatietaken.

taskType string:

TextClassification

[Vereist] Taaktype voor AutoMLJob.

trainingData

MLTableJobInput

[Vereist] Invoer van trainingsgegevens.

validationData

MLTableJobInput

Invoer van validatiegegevens.

TextClassificationMultilabel

Taak voor tekstclassificatie met meerdere labels in AutoML NLP verticaal. NLP - Natuurlijke taalverwerking.

Name Type Default value Description
featurizationSettings

NlpVerticalFeaturizationSettings

Featurization-invoer die nodig is voor de AutoML-taak.

limitSettings

NlpVerticalLimitSettings

Uitvoeringsbeperkingen voor AutoMLJob.

logVerbosity

LogVerbosity

Info

Logboek uitgebreidheid voor de taak.

primaryMetric

ClassificationMultilabelPrimaryMetrics

Primaire metrische gegevens voor tekst-Classification-Multilabel taak. Op dit moment wordt alleen nauwkeurigheid ondersteund als primaire metrische gegevens, waardoor de gebruiker deze niet expliciet hoeft in te stellen.

targetColumnName

string

Naam van doelkolom: dit is de kolom voorspellingswaarden. Ook wel labelkolomnaam genoemd in de context van classificatietaken.

taskType string:

TextClassificationMultilabel

[Vereist] Taaktype voor AutoMLJob.

trainingData

MLTableJobInput

[Vereist] Invoer van trainingsgegevens.

validationData

MLTableJobInput

Invoer van validatiegegevens.

TextNer

Text-NER taak in AutoML NLP verticaal. NER: Herkenning van benoemde entiteiten. NLP - Natuurlijke taalverwerking.

Name Type Default value Description
featurizationSettings

NlpVerticalFeaturizationSettings

Featurization-invoer die nodig is voor de AutoML-taak.

limitSettings

NlpVerticalLimitSettings

Uitvoeringsbeperkingen voor AutoMLJob.

logVerbosity

LogVerbosity

Info

Logboek uitgebreidheid voor de taak.

primaryMetric

ClassificationPrimaryMetrics

Primaire metrische gegevens voor Text-NER taak. Alleen 'Nauwkeurigheid' wordt ondersteund voor Text-NER, dus de gebruiker hoeft dit niet expliciet in te stellen.

targetColumnName

string

Naam van doelkolom: dit is de kolom voorspellingswaarden. Ook wel labelkolomnaam genoemd in de context van classificatietaken.

taskType string:

TextNER

[Vereist] Taaktype voor AutoMLJob.

trainingData

MLTableJobInput

[Vereist] Invoer van trainingsgegevens.

validationData

MLTableJobInput

Invoer van validatiegegevens.

TopNFeaturesByAttribution

Name Type Default value Description
filterType string:

TopNByAttribution

[Vereist] Hiermee geeft u het functiefilter op dat moet worden gebruikt bij het selecteren van functies om metrische gegevens te berekenen.

top

integer (int32)

10

Het aantal belangrijkste functies dat moet worden opgenomen.

TrialComponent

Definitie van proefonderdeel.

Name Type Default value Description
codeId

string

ARM-resource-id van de codeasset.

command

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] De opdracht die moet worden uitgevoerd bij het opstarten van de taak. bijvoorbeeld "Python train.py"

distribution DistributionConfiguration:

Distributieconfiguratie van de taak. Indien ingesteld, moet dit een van Mpi, Tensorflow, PyTorch of null zijn.

environmentId

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] De ARM-resource-id van de omgevingsspecificatie voor de taak.

environmentVariables

object

Omgevingsvariabelen die zijn opgenomen in de taak.

resources

JobResourceConfiguration

{}

Rekenresourceconfiguratie voor de taak.

TriggerType

Waarde Description
Cron
Recurrence

TritonModelJobInput

Name Type Default value Description
description

string

Beschrijving voor de invoer.

jobInputType string:

triton_model

[Vereist] Hiermee geeft u het type taak.

mode

InputDeliveryMode

ReadOnlyMount

Leveringsmodus invoerasset.

uri

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Invoerasset-URI.

TritonModelJobOutput

Name Type Default value Description
description

string

Beschrijving voor de uitvoer.

jobOutputType string:

triton_model

[Vereist] Hiermee geeft u het type taak.

mode

OutputDeliveryMode

ReadWriteMount

Uitvoerassetleveringsmodus.

uri

string

Uitvoerasset-URI.

TruncationSelectionPolicy

Definieert een beleid voor vroegtijdige beëindiging dat een bepaald percentage uitvoeringen annuleert bij elk evaluatie-interval.

Name Type Default value Description
delayEvaluation

integer (int32)

0

Aantal intervallen waarmee de eerste evaluatie moet worden vertraagd.

evaluationInterval

integer (int32)

0

Interval (aantal uitvoeringen) tussen beleidsevaluaties.

policyType string:

TruncationSelection

[Vereist] Naam van beleidsconfiguratie

truncationPercentage

integer (int32)

0

Het percentage uitvoeringen dat moet worden geannuleerd bij elk evaluatie-interval.

UriFileJobInput

Name Type Default value Description
description

string

Beschrijving voor de invoer.

jobInputType string:

uri_file

[Vereist] Hiermee geeft u het type taak.

mode

InputDeliveryMode

ReadOnlyMount

Leveringsmodus invoerasset.

uri

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Invoerasset-URI.

UriFileJobOutput

Name Type Default value Description
description

string

Beschrijving voor de uitvoer.

jobOutputType string:

uri_file

[Vereist] Hiermee geeft u het type taak.

mode

OutputDeliveryMode

ReadWriteMount

Uitvoerassetleveringsmodus.

uri

string

Uitvoerasset-URI.

UriFolderJobInput

Name Type Default value Description
description

string

Beschrijving voor de invoer.

jobInputType string:

uri_folder

[Vereist] Hiermee geeft u het type taak.

mode

InputDeliveryMode

ReadOnlyMount

Leveringsmodus invoerasset.

uri

string

minLength: 1
pattern: [a-zA-Z0-9_]

[Vereist] Invoerasset-URI.

UriFolderJobOutput

Name Type Default value Description
description

string

Beschrijving voor de uitvoer.

jobOutputType string:

uri_folder

[Vereist] Hiermee geeft u het type taak.

mode

OutputDeliveryMode

ReadWriteMount

Uitvoerassetleveringsmodus.

uri

string

Uitvoerasset-URI.

UserAssignedIdentity

Door de gebruiker toegewezen identiteitseigenschappen

Name Type Description
clientId

string (uuid)

De client-id van de toegewezen identiteit.

principalId

string (uuid)

De principal-id van de toegewezen identiteit.

UserIdentity

Configuratie van gebruikersidentiteit.

Name Type Description
identityType string:

UserIdentity

[Vereist] Hiermee geeft u het type identiteitsframework op.

UseStl

Configureer STL-decompositie van de doelkolom van de tijdreeks.

Waarde Description
None

Geen stl decompositie.

Season
SeasonTrend

ValidationMetricType

Metrische berekeningsmethode voor validatiegegevens in afbeeldingstaken.

Waarde Description
Coco

Coco metrisch.

CocoVoc

CocoVoc meetwaarde.

None

Geen metrische gegevens.

Voc

Voc-meetwaarde.

WebhookType

Enum om het servicetype webhook callback te bepalen.

Waarde Description
AzureDevOps

WeekDay

Opsomming van weekdag

Waarde Description
Friday

Vrijdag weekdag

Monday

Maandag weekdag

Saturday

Zaterdag weekdag

Sunday

Zondagse weekdag

Thursday

Donderdag weekdag

Tuesday

Dinsdag weekdag

Wednesday

Woensdag weekdag