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.objectModelProxy
Oluşturucu
ModelProxy(child_run, compute_target=None)
Parametreler
- child_run
Modelin indirileceği alt çalıştırma.
- compute_target
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 |
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
Tahmin çalıştırmak için test verilerini girdi.
- y_values
- AbstractDataset veya DataFrame veya ndarray
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
- y_values
Tahmini çalıştırmak için y değerlerini girin.
- forecast_destination
- <xref:pandas.Timestamp>
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.
predict
Verilen değerler için modelde tahmin çalıştırmak üzere bir iş gönderin.
predict(values: Any) -> AbstractDataset
Parametreler
- values
- AbstractDataset veya DataFrame veya ndarray
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
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
Test veri kümesi.
- include_predictions_only
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.
Geri Bildirim
https://aka.ms/ContentUserFeedback.
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz.Gönderin ve geri bildirimi görüntüleyin