PredictionDriftMetricThreshold Klasa
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.MetricThresholdPredictionDriftMetricThreshold
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.
Współpracuj z nami w serwisie GitHub
Źródło tej zawartości można znaleźć w witrynie GitHub, gdzie można również tworzyć i przeglądać problemy i żądania ściągnięcia. Więcej informacji znajdziesz w naszym przewodniku dla współtwórców.
Azure SDK for Python
Opinia
https://aka.ms/ContentUserFeedback.
Dostępne już wkrótce: W 2024 r. będziemy stopniowo wycofywać zgłoszenia z serwisu GitHub jako mechanizm przesyłania opinii na temat zawartości i zastępować go nowym systemem opinii. Aby uzyskać więcej informacji, sprawdź:Prześlij i wyświetl opinię dla