datadrift Pakiet

Zawiera funkcje wykrywania, kiedy dane trenowania modelu dryfowały z danych oceniania.

W uczeniu maszynowym dryf danych to zmiana danych wejściowych modelu, która prowadzi do obniżenia wydajności modelu. Jest to jeden z najważniejszych powodów, dla których dokładność modelu spada w miarę upływu czasu, dzięki czemu monitorowanie dryfu danych pomaga wykrywać problemy z wydajnością modelu. Ten pakiet umożliwia wykrywanie i alerty dotyczące dryfu danych.

Klasa DataDriftDetector umożliwia skonfigurowanie obiektu monitora danych, który następnie można uruchomić jako zadanie do analizowania dryfu danych. Zadania dryfu danych można uruchamiać interaktywnie lub włączać do uruchamiania zgodnie z harmonogramem. Alerty można skonfigurować, gdy dryf danych przekracza próg z klasą AlertConfiguration .

Moduły

alert_configuration	Zawiera funkcje konfigurowania alertów dryfu danych w usłudze Azure Machine Learning.
datadriftdetector	Zawiera podstawowe funkcje wykrywania dryfu danych między dwoma zestawami danych w usłudze Azure Machine Learning. Dryf danych jest mierzony za pomocą zestawów danych lub wdrożeń i opiera się na interfejsie Dataset API.

Klasy

AlertConfiguration	Reprezentuje konfigurację alertu dla zadań dryfu danych. Klasa AlertConfiguration umożliwia ustawianie konfigurowalnych alertów (takich jak poczta e-mail) w DataDriftDetector zadaniach. Konfigurację alertu można określić podczas korzystania z jednej z metod tworzenia klasy DataDriftDetector. Konstruktor. Umożliwia ustawienie konfigurowalnych alertów (takich jak poczta e-mail) w zadaniach DataDriftDetector.
DataDriftDetector	Definiuje monitor dryfu danych, który może służyć do uruchamiania zadań dryfu danych w usłudze Azure Machine Learning. Klasa DataDriftDetector umożliwia identyfikowanie dryfu między danym punktem odniesienia i docelowym zestawem danych. Obiekt DataDriftDetector jest tworzony w obszarze roboczym, określając bezpośrednio zestawy danych odniesienia i docelowe. Aby uzyskać więcej informacji, zobacz https://aka.ms/datadrift. Konstruktor datadriftdetector. Konstruktor DataDriftDetector służy do pobierania reprezentacji chmury obiektu DataDriftDetector skojarzonego z podanym obszarem roboczym.
Metric	Reprezentuje metrykę zwróconą w analizie dryfu danych. Klasa Metric jest przeznaczona tylko do użytku wewnętrznego. Użyj metody DataDriftDetector obiektu, get_output aby zwrócić metryki. Konstruktor metryki.
ModelServingDataset	Reprezentuje zestaw danych używany wewnętrznie podczas tworzenia obiektu DataDriftDetector opartego na modelu. Oparty na modelu model DataDriftDetector umożliwia obliczanie dryfu danych między zestawem danych trenowania modelu a zestawem danych oceniania. Aby utworzyć oparty na modelu model DataDriftDetector, użyj <xref:azureml.datadrift.DataDriftDetector.create_from_model> metody . Konstruktor.

Wyliczenia

MetricType

Definiuje typy metryk zwracanych w analizie dryfu danych. Użyj metody DataDriftDetector obiektu, get_output aby zwrócić metryki.