Udostępnij za pośrednictwem

PredictionDriftMetricThreshold Klasa

  • Odwołanie

Uwaga

Jest to klasa eksperymentalna i może ulec zmianie w dowolnym momencie. Aby uzyskać więcej informacji, zobacz https://aka.ms/azuremlexperimental.

Próg metryki dryfu przewidywania

Dziedziczenie
azure.ai.ml.entities._monitoring.thresholds.MetricThreshold
PredictionDriftMetricThreshold

Konstruktor

PredictionDriftMetricThreshold(*, data_type: ~typing.Literal[<MonitorFeatureType.CATEGORICAL: 'categorical'>, <MonitorFeatureType.NUMERICAL: 'numerical'>] = None, threshold: float = None, numerical: ~azure.ai.ml.entities._monitoring.thresholds.NumericalDriftMetrics = None, categorical: ~azure.ai.ml.entities._monitoring.thresholds.CategoricalDriftMetrics = None)

Parametry

applicable_feature_type
Literal[ azure.ai.ml.constants.MonitorFeatureType.CATEGORICAL , azure.ai.ml.constants.MonitorFeatureType.MonitorFeatureType.NUMERICAL]
Wymagane

Typ funkcji progu metryki

metric_name
Literal[ azure.ai.ml.constants.MonitorMetricName.JENSEN_SHANNON_DISTANCE , azure.ai.ml.constants.MonitorMetricName.NORMALIZED_WASSERSTEIN_DISTANCE , azure.ai.ml.constants.MonitorMetricName.POPULATION_STABILITY_INDEX , azure.ai.ml.constants.MonitorMetricName.TWO_SAMPLE_KOLMOGOROV_SMIRNOV_TEST , azure.ai.ml.constants.MonitorMetricName.PEARSONS_CHI_SQUARED_TEST]
Wymagane

Metryka do obliczenia

threshold
float
Wymagane

Wartość progowa. Jeśli brak, zostanie ustawiona wartość domyślna w zależności od wybranej metryki.