AutoMLRun Classe
Representa uma execução de experimento de ML automatizado no Azure Machine Learning.
A classe AutoMLRun pode ser usada para gerenciar uma execução, verificar o status dela e recuperar os detalhes quando uma execução de AutoML é enviada. Para obter mais informações sobre como trabalhar com execuções de experimento, consulte a classe Run.
Inicializar uma execução de AutoML.
- Herança
-
AutoMLRun
Construtor
AutoMLRun(experiment, run_id, **kwargs)
Parâmetros
Comentários
Um objeto AutoMLRun é retornado quando você usa o método submit de um experimento.
Para recuperar uma execução que já foi iniciada, use o seguinte código:
from azureml.train.automl.run import AutoMLRun
ws = Workspace.from_config()
experiment = ws.experiments['my-experiment-name']
automl_run = AutoMLRun(experiment, run_id = 'AutoML_9fe201fe-89fd-41cc-905f-2f41a5a98883')
Métodos
cancel |
Cancele uma execução do AutoML. Retorna true se a execução de AutoML foi cancelada com êxito. |
cancel_iteration |
Cancelar uma determinada execução filho. |
complete |
Conclua uma execução do AutoML. |
continue_experiment |
Continue um experimento AutoML existente. |
fail |
Falha em uma execução do AutoML. Há a opção de definir a propriedade de Erro da execução com uma mensagem ou exceção transmitida para |
get_best_child |
Retornar a execução do filho com a melhor pontuação para essa execução do AutoML. |
get_guardrails |
Imprimir e retornar resultados detalhados da execução da verificação de Guardrail. |
get_output |
Retornar a execução com o melhor pipeline correspondente que já foi testado. Se nenhum parâmetro de entrada for fornecido, |
get_run_sdk_dependencies |
Obter as dependências de execução do SDK para uma determinada execução. |
pause |
Retornar True se a execução do AutoML tiver sido pausada com êxito. Este método não está implementado. |
register_model |
Registrar o modelo com o serviço ACI do AzureML. |
resume |
Retorna True se a execução do AutoML é retomada com êxito. Este método não está implementado. |
retry |
Retorna True se a execução do AutoML é tentada novamente com êxito. Este método não está implementado. |
summary |
Obter uma tabela que contém um resumo dos algoritmos tentados e suas pontuações. |
wait_for_completion |
Aguardar a conclusão desta execução. Retorna o objeto de status após a espera. |
cancel
Cancele uma execução do AutoML.
Retorna true se a execução de AutoML foi cancelada com êxito.
cancel()
Retornos
Nenhum
cancel_iteration
Cancelar uma determinada execução filho.
cancel_iteration(iteration)
Parâmetros
Retornos
Nenhum
complete
Conclua uma execução do AutoML.
complete(**kwargs)
Retornos
Nenhum
continue_experiment
Continue um experimento AutoML existente.
continue_experiment(X=None, y=None, sample_weight=None, X_valid=None, y_valid=None, sample_weight_valid=None, data=None, label=None, columns=None, cv_splits_indices=None, spark_context=None, experiment_timeout_hours=None, experiment_exit_score=None, iterations=None, show_output=False, training_data=None, validation_data=None, **kwargs)
Parâmetros
Recursos de treinamento.
Rótulos de treinamento.
Pesos de amostra para dados de treinamento.
Recursos de validação.
Rótulos de validação.
pesos de amostra do conjunto de validação.
Uma lista de colunas permitidas nos dados a ser usada como recursos.
- cv_splits_indices
- ndarray
Indica onde dividir os dados de treinamento para validação cruzada. Cada linha é uma dobra cruzada separada e, dentro de cada dobra cruzada, são fornecidas duas matrizes, a primeira com os índices para amostras a serem usadas para dados de treinamento e a segunda com os índices a serem usados para dados de validação. ou seja, [[t1, v1], [t2, v2], ...] onde t1 são os índices de treinamento para a primeira dobra cruzada e v1 são os índices de validação para a primeira dobra cruzada.
- spark_context
- <xref:SparkContext>
Contexto do Spark, aplicável somente quando usado dentro do ambiente do Azure Databricks/Spark.
- experiment_timeout_hours
- float
Por quantas horas adicionais executar esse experimento.
- experiment_exit_score
- int
Se especificado, indica que o experimento é encerrado quando esse valor é atingido.
- show_output
- bool
Sinalizador que indica se a saída deve ser impressa no console.
- training_data
- <xref:azureml.dataprep.Dataflow> ou DataFrame
Dados de treinamento de entrada.
- validation_data
- <xref:azureml.dataprep.Dataflow> ou DataFrame
Dados de validação.
Retornos
A executar pai do AutoML.
Tipo de retorno
Exceções
fail
Falha em uma execução do AutoML.
Há a opção de definir a propriedade de Erro da execução com uma mensagem ou exceção transmitida para error_details
.
fail(error_details=None, error_code=None, _set_status=True, **kwargs)
Parâmetros
- _set_status
- bool
Indica se o evento de status deve ser enviado para rastreamento.
get_best_child
Retornar a execução do filho com a melhor pontuação para essa execução do AutoML.
get_best_child(metric: str | None = None, onnx_compatible: bool = False, **kwargs: Any) -> Run
Parâmetros
- metric
- str
A métrica a ser usada ao selecionar a melhor execução a ser retornada. O padrão é a métrica primária.
- onnx_compatible
Se deve retornar apenas execuções que geraram modelos onnx.
- kwargs
Retornos
AutoML filho executado.
get_guardrails
Imprimir e retornar resultados detalhados da execução da verificação de Guardrail.
get_guardrails(to_console: bool = True) -> Dict[str, Any]
Parâmetros
- to_console
- bool
Indica se os resultados da verificação devem ser gravados no console.
Retornos
Um dicionário de resultados do verificador.
Tipo de retorno
Exceções
get_output
Retornar a execução com o melhor pipeline correspondente que já foi testado.
Se nenhum parâmetro de entrada for fornecido, get_output
retornará o melhor pipeline de acordo com a métrica primária. Como alternativa, você pode usar o parâmetro iteration
ou metric
para recuperar uma iteração específica ou a melhor execução por métrica fornecida, respectivamente.
get_output(iteration: int | None = None, metric: str | None = None, return_onnx_model: bool = False, return_split_onnx_model: SplitOnnxModelName | None = None, **kwargs: Any) -> Tuple[Run, Any]
Parâmetros
- iteration
- int
O número de iteração do modelo executado e ajustado correspondente a ser retornado.
- metric
- str
A métrica a ser usada ao selecionar a melhor execução e o modelo ajustado a ser retornado.
- return_onnx_model
- bool
Esse método retornará o modelo ONNX convertido se o parâmetro enable_onnx_compatible_models
tiver sido definido como true no objeto AutoMLConfig.
- return_split_onnx_model
- SplitOnnxModelName
O tipo do modelo de divisão onnx a ser retornado
Retornos
A execução, o modelo ajustado correspondente.
Tipo de retorno
Exceções
Comentários
Se você quiser inspecionar os pré-processadores e o algoritmo (estimador) usados, poderá fazer isso por meio de Model.steps
, semelhante a sklearn.pipeline.Pipeline.steps
.
Por exemplo, o código a seguir mostra como recuperar o estimador.
best_run, model = parent_run.get_output()
estimator = model.steps[-1]
get_run_sdk_dependencies
Obter as dependências de execução do SDK para uma determinada execução.
get_run_sdk_dependencies(iteration=None, check_versions=True, **kwargs)
Parâmetros
- iteration
- int
O número de iteração da execução ajustada a ser recuperada. Se Nenhum, recuperar o ambiente pai.
- check_versions
- bool
Se True, verificar as versões com o ambiente atual. Se False, passar.
Retornos
O dicionário de dependências recuperado de RunHistory.
Tipo de retorno
Exceções
pause
Retornar True se a execução do AutoML tiver sido pausada com êxito.
Este método não está implementado.
pause()
Exceções
register_model
Registrar o modelo com o serviço ACI do AzureML.
register_model(model_name=None, description=None, tags=None, iteration=None, metric=None)
Parâmetros
- iteration
- int
Substituir pelo modelo a ser implantado. Implanta o modelo para uma determinada iteração.
- metric
- str
Substituir pelo modelo a ser implantado. Implanta o melhor modelo para uma métrica diferente.
Retornos
O objeto de modelo registrado.
Tipo de retorno
resume
Retorna True se a execução do AutoML é retomada com êxito.
Este método não está implementado.
resume()
Exceções
retry
Retorna True se a execução do AutoML é tentada novamente com êxito.
Este método não está implementado.
retry()
Exceções
summary
Obter uma tabela que contém um resumo dos algoritmos tentados e suas pontuações.
summary()
Retornos
O Pandas DataFrame que contém estatísticas do modelo AutoML.
Tipo de retorno
wait_for_completion
Aguardar a conclusão desta execução.
Retorna o objeto de status após a espera.
wait_for_completion(show_output=False, wait_post_processing=False)
Parâmetros
- wait_post_processing
- bool
Indica se é necessário aguardar a conclusão do processamento da postagem após a conclusão da execução.
Retornos
O objeto de status.
Tipo de retorno
Exceções
Atributos
run_id
Retornar a ID de execução da execução atual.
Retornos
A ID de executar da versão atual.
Tipo de retorno
Comentários
https://aka.ms/ContentUserFeedback.
Em breve: Ao longo de 2024, eliminaremos os problemas do GitHub como o mecanismo de comentários para conteúdo e o substituiremos por um novo sistema de comentários. Para obter mais informações, consulteEnviar e exibir comentários de