通过

ModelProxy 类

  • 参考

注意

这是一个试验性的类，随时可能更改。 有关详细信息，请参阅 https://aka.ms/azuremlexperimental。

AutoML 模型的代理对象，可在远程计算上进行推理。

创建 AutoML ModelProxy 对象以将推理提交到训练环境。

继承
builtins.object
ModelProxy

构造函数

ModelProxy(child_run, compute_target=None)

参数

child_run
必需

将从中下载模型的子运行。

compute_target
必需

覆盖要推理的目标计算。

方法

forecast

提交作业，以在模型上针对给定值运行预测。
forecast_quantiles

提交作业，以在模型上针对给定值运行 forecast_quantiles。
predict

提交作业，以在模型上针对给定值运行预测。
predict_proba

提交作业，以在模型上针对给定值运行 predict_proba。
test

从 test_data 检索预测并计算相关指标。

forecast

提交作业，以在模型上针对给定值运行预测。

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

参数

X_values
AbstractDataset 或 DataFrame 或 ndarray
必需

输入要对其运行预测的测试数据。

y_values
AbstractDataset 或 DataFrame 或 ndarray
默认值: None

输入要对其运行预测的 y 值。

返回

预测值。

forecast_quantiles

提交作业，以在模型上针对给定值运行 forecast_quantiles。

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

参数

X_values
AbstractDataset
必需

输入要对其运行预测的测试数据。

y_values
默认值: None

输入要对其运行预测的 y 值。

forecast_destination
<xref:pandas.Timestamp>
默认值: None

Forecast_destination：时间戳值。 对于所有粒度，将一直进行预测，直到 forecast_destination 时间。 不接受字典输入 { grain -> timestamp }。 如果未提供 forecast_destination，则估算为每个粒度在 X_pred 中最后出现的时间。

ignore_data_errors
bool
默认值: False

忽略用户数据中的错误。

predict

提交作业，以在模型上针对给定值运行预测。

predict(values: Any) -> AbstractDataset

参数

values
AbstractDataset 或 DataFrame 或 ndarray
必需

输入要对其运行预测的测试数据。

返回

预测值。

predict_proba

提交作业，以在模型上针对给定值运行 predict_proba。

predict_proba(values: Any) -> AbstractDataset

参数

values
AbstractDataset 或 DataFrame 或 ndarray
必需

输入要对其运行预测的测试数据。

返回

预测值。

test

从 test_data 检索预测并计算相关指标。

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

参数

test_data
必需

测试数据集。

include_predictions_only
默认值: False

是否仅在 predictions.csv 输出中包含预测。

如果此参数为 True，则输出 CSV 列如下所示（预测与回归相同）：

Classification => [predicted values], [probabilities]

Regression => [predicted values]

否则（默认值）：

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

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

[original test data labels] 列名为 [label column name] + "_orig"。

[predicted values] 列名为 [label column name] + "_predicted"。

[probabilities] 列名称 = [class name] + "_predicted_proba"。

[features] 列名称 = [feature column name] + "_orig"。

如果 test_data 不包含目标列，则 [original test data labels] 将不在输出 DataFrame 中。

返回

包含预测值和指标的元组。