ModelProxy Klass

Anteckning

Det här är en experimentell klass och kan ändras när som helst. Mer information finns i https://aka.ms/azuremlexperimental.

Proxyobjekt för AutoML-modeller som möjliggör slutsatsdragning vid fjärrberäkning.

Skapa ett AutoML ModelProxy-objekt för att skicka slutsatsdragning till träningsmiljön.

Arv

builtins.object

ModelProxy

Konstruktor

ModelProxy(child_run, compute_target=None)

Parametrar

child_run

Obligatorisk

Den underordnade körning som modellen laddas ned från.

compute_target

Obligatorisk

Skriv över för den målberäkning som ska härledas.

Metoder

forecast	Skicka ett jobb för att köra prognos på modellen för de angivna värdena.
forecast_quantiles	Skicka ett jobb för att köra forecast_quantiles på modellen för de angivna värdena.
predict	Skicka ett jobb för att köra förutsägelse på modellen för de angivna värdena.
predict_proba	Skicka ett jobb för att köra predict_proba på modellen för de angivna värdena.
test	Hämta förutsägelser från test_data och beräkna relevanta mått.

forecast

Skicka ett jobb för att köra prognos på modellen för de angivna värdena.

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

Parametrar

X_values

AbstractDataset eller DataFrame eller ndarray

Obligatorisk

Mata in testdata som prognosen ska köras på.

y_values

AbstractDataset eller DataFrame eller ndarray

standardvärde: None

Ange y-värden som prognosen ska köras på.

Returer

Prognosvärdena.

forecast_quantiles

Skicka ett jobb för att köra forecast_quantiles på modellen för de angivna värdena.

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

Parametrar

X_values

AbstractDataset

Obligatorisk

Mata in testdata som prognosen ska köras på.

y_values

standardvärde: None

Ange y-värden som prognosen ska köras på.

forecast_destination

<xref:pandas.Timestamp>

standardvärde: None

Forecast_destination: ett tidsstämpelvärde. Prognoser kommer att göras hela vägen till forecast_destination tid, för alla korn. Ordlisteindata { grain -> tidsstämpel } accepteras inte. Om forecast_destination inte ges, kommer det att imputeras som den sista gången som inträffar i X_pred för varje korn.

ignore_data_errors

bool

standardvärde: False

Ignorera fel i användardata.

predict

Skicka ett jobb för att köra förutsägelse på modellen för de angivna värdena.

predict(values: Any) -> AbstractDataset

Parametrar

values

AbstractDataset eller DataFrame eller ndarray

Obligatorisk

Indata för testdata som ska köras förutsägas.

Returer

De förutsagda värdena.

predict_proba

Skicka ett jobb för att köra predict_proba på modellen för de angivna värdena.

predict_proba(values: Any) -> AbstractDataset

Parametrar

values

AbstractDataset eller DataFrame eller ndarray

Obligatorisk

Indata för testdata som ska köras förutsägas.

Returer

De förutsagda värdena.

test

Hämta förutsägelser från test_data och beräkna relevanta mått.

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

Parametrar

test_data

Obligatorisk

Testdatauppsättningen.

include_predictions_only

standardvärde: False

Om du bara vill inkludera förutsägelserna som en del av predictions.csv utdata.

Om den här parametern är True ser CSV-utdatakolumnerna ut som (prognostisering är samma som regression):

Classification => [predicted values], [probabilities]

Regression => [predicted values]

else (standard):

Classification => [original test data labels], [predicted values], [probabilities], [features]

Regression => [original test data labels], [predicted values], [features]

Kolumnnamnet [original test data labels] = [label column name] + "_orig".

Kolumnnamnet [predicted values] = [label column name] + "_predicted".

Kolumnnamnen [probabilities] = [class name] + "_predicted_proba".

Kolumnnamnen [features] = [feature column name] + "_orig".

test_data Om inte innehåller en målkolumn [original test data labels] kommer den inte att finnas i utdataramen.

Returer

En tupplar som innehåller de förutsagda värdena och måtten.