ModelProxy Sınıf

Not

Bu deneysel bir sınıftır ve herhangi bir zamanda değişebilir. Daha fazla bilgi için lütfen bkz. https://aka.ms/azuremlexperimental.

Uzak işlemde çıkarım sağlayan AutoML modelleri için ara sunucu nesnesi.

Eğitim ortamına çıkarım göndermek için bir AutoML ModelProxy nesnesi oluşturun.

Devralma

builtins.object

ModelProxy

Oluşturucu

ModelProxy(child_run, compute_target=None)

Parametreler

child_run

Gerekli

Modelin indirileceği alt çalıştırma.

compute_target

Gerekli

Çıkarım yapmak için hedef işlem için üzerine yaz.

Yöntemler

forecast	Verilen değerler için modelde tahmin çalıştırmak üzere bir iş gönderin.
forecast_quantiles	Verilen değerler için modelde forecast_quantiles çalıştırmak üzere bir iş gönderin.
predict	Verilen değerler için modelde tahmin çalıştırmak üzere bir iş gönderin.
predict_proba	Verilen değerler için modelde predict_proba çalıştırmak üzere bir iş gönderin.
test	ve ilgili ölçümlerinden test_data tahminleri alın.

forecast

Verilen değerler için modelde tahmin çalıştırmak üzere bir iş gönderin.

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

Parametreler

X_values

AbstractDataset veya DataFrame veya ndarray

Gerekli

Tahmin çalıştırmak için test verilerini girdi.

y_values

AbstractDataset veya DataFrame veya ndarray

varsayılan değer: None

Tahmini çalıştırmak için y değerlerini girin.

Döndürülenler

Tahmin değerleri.

forecast_quantiles

Verilen değerler için modelde forecast_quantiles çalıştırmak üzere bir iş gönderin.

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

Parametreler

X_values

AbstractDataset

Gerekli

Tahmin çalıştırmak için test verilerini girdi.

y_values

varsayılan değer: None

Tahmini çalıştırmak için y değerlerini girin.

forecast_destination

<xref:pandas.Timestamp>

varsayılan değer: None

Forecast_destination: zaman damgası değeri. Tahminler, tüm tahıllar için forecast_destination zamana kadar yapılır. Sözlük girişi { grain -> zaman damgası } kabul edilmeyecek. forecast_destination verilmezse, her tahıl için X_pred son kez gerçekleşir.

ignore_data_errors

bool

varsayılan değer: False

Kullanıcı verilerindeki hataları yoksayın.

predict

Verilen değerler için modelde tahmin çalıştırmak üzere bir iş gönderin.

predict(values: Any) -> AbstractDataset

Parametreler

values

AbstractDataset veya DataFrame veya ndarray

Gerekli

Tahmin çalıştırmak için test verilerini giriş.

Döndürülenler

Tahmin edilen değerler.

predict_proba

Verilen değerler için modelde predict_proba çalıştırmak üzere bir iş gönderin.

predict_proba(values: Any) -> AbstractDataset

Parametreler

values

AbstractDataset veya DataFrame veya ndarray

Gerekli

Tahmin çalıştırmak için test verilerini giriş.

Döndürülenler

Tahmin edilen değerler.

test

ve ilgili ölçümlerinden test_data tahminleri alın.

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

Parametreler

test_data

Gerekli

Test veri kümesi.

include_predictions_only

varsayılan değer: False

Tahminlerin yalnızca predictions.csv çıkışının bir parçası olarak eklenip eklenmeyeceği.

Bu parametre ise True çıkış CSV sütunları şöyle görünür (tahmin, regresyonla aynıdır):

Classification => [predicted values], [probabilities]

Regression => [predicted values]

else (varsayılan):

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

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

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

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

Sütun [probabilities] adları = [class name] + "_predicted_proba".

Sütun [features] adları = [feature column name] + "_orig".

test_data hedef sütun [original test data labels] içermiyorsa çıkış veri çerçevesi içinde yer almaz.

Döndürülenler

Tahmin edilen değerleri ve ölçümleri içeren bir tanımlama grubu.