ModelProxy Classe

Observação

Essa é uma classe experimental e pode mudar a qualquer momento. Consulte https://aka.ms/azuremlexperimental para obter mais informações.

Objeto de proxy para modelos de ML automatizado que permitem a inferência na computação remota.

Crie um objeto AutoML ModelProxy para enviar inferência ao ambiente de treinamento.

Herança

builtins.object

ModelProxy

Construtor

ModelProxy(child_run, compute_target=None)

Parâmetros

Nome	Description
child_run Obrigatório	A execução filho da qual o modelo será baixado.
compute_target Obrigatório	Substitua a computação de destino para inferência.

Métodos

forecast	Envie um trabalho para executar a previsão no modelo para os valores determinados.
forecast_quantiles	Enviar um trabalho para executar forecast_quantiles no modelo para os valores determinados.
predict	Enviar um trabalho para executar a previsão no modelo para os valores determinados.
predict_proba	Enviar um trabalho para executar predict_proba no modelo para os valores determinados.
test	Recuperar previsões de test_data e compute as métricas relevantes.

forecast

Envie um trabalho para executar a previsão no modelo para os valores determinados.

forecast(X_values: Any, y_values: Any | None = None) -> Tuple[AbstractDataset, AbstractDataset]

Parâmetros

Nome	Description
X_values Obrigatório	AbstractDataset ou DataFrame ou ndarray Dados de teste de entrada para executar a previsão.
y_values	AbstractDataset ou DataFrame ou ndarray Entrada de valores y para executar a previsão. Valor padrão: None

Retornos

Tipo	Description
	Os valores de previsão.

forecast_quantiles

Enviar um trabalho para executar forecast_quantiles no modelo para os valores determinados.

forecast_quantiles(X_values: Any, y_values: Any | None = None, forecast_destination: Any | None = None, ignore_data_errors: bool = False) -> AbstractDataset

Parâmetros

Nome	Description
X_values Obrigatório	AbstractDataset Dados de teste de entrada para executar a previsão.
y_values	Entrada de valores y para executar a previsão. Valor padrão: None
forecast_destination	<xref:pandas.Timestamp> Forecast_destination: um valor de carimbo de data/hora. As previsões serão feitas até o tempo de previsão_destino, para todas as granularidades. Entrada do dicionário {granularidade - > carimbo de data/hora} não será aceita. Se forecast_destination não for fornecido, será imputado como a última vez que ocorrer em X_pred para cada granularidade. Valor padrão: None
ignore_data_errors	bool Ignorar erros nos dados do usuário. Valor padrão: False

predict

Enviar um trabalho para executar a previsão no modelo para os valores determinados.

predict(values: Any) -> AbstractDataset

Parâmetros

Nome	Description
values Obrigatório	AbstractDataset ou DataFrame ou ndarray Inserir dados de teste para executar a previsão.

Retornos

Tipo	Description
	Os valores previstos.

predict_proba

Enviar um trabalho para executar predict_proba no modelo para os valores determinados.

predict_proba(values: Any) -> AbstractDataset

Parâmetros

Nome	Description
values Obrigatório	AbstractDataset ou DataFrame ou ndarray Inserir dados de teste para executar a previsão.

Retornos

Tipo	Description
	Os valores previstos.

test

Recuperar previsões de test_data e compute as métricas relevantes.

test(test_data: AbstractDataset, include_predictions_only: bool = False) -> Tuple[AbstractDataset, Dict[str, Any]]

Parâmetros

Nome	Description
test_data Obrigatório	O conjunto de dados de teste.
include_predictions_only	Se deve ou não incluir somente as previsões como parte da saída predictions.csv. Se esse parâmetro for True as colunas CSV de saída se parecerão (a previsão é o mesmo que regressão): Classification => [predicted values], [probabilities] Regression => [predicted values] else (default): Classification => [original test data labels], [predicted values], [probabilities], [features] Regression => [original test data labels], [predicted values], [features] O nome da coluna [original test data labels] = [label column name] + "_orig". O nome da coluna [predicted values] = [label column name] + "_predicted". [probabilities]Nomes da coluna = [class name] + "_predicted_proba". [features]Nomes da coluna = [feature column name] + "_orig". Se o test_data não incluir uma coluna de destino, então [original test data labels] não estará no dataframe de saída. Valor padrão: False

Retornos

Tipo	Description
	Uma tupla que contém os valores previstos e as métricas.