你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

Jobs - Create Or Update

服务:: Machine Learning

API 版本:: 2025-12-01

创建并执行作业。对于更新情况，传入的定义中的 Tags 将替换现有作业中的 Tags。
创建并执行作业。对于更新情况，传入的定义中的 Tags 将替换现有作业中的 Tags。

PUT https://management.azure.com/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.MachineLearningServices/workspaces/{workspaceName}/jobs/{id}?api-version=2025-12-01

URI 参数

名称	在	必需	类型	说明
id	path	True	string	作业的名称和标识符。这是区分大小写的。
resourceGroupName	path	True	string minLength: 1 maxLength: 90	资源组的名称。此名称不区分大小写。
subscriptionId	path	True	string minLength: 1	目标订阅的 ID。
workspaceName	path	True	string pattern: ^[a-zA-Z0-9][a-zA-Z0-9_-]{2,32}$	Azure 机器学习工作区名称
api-version	query	True	string minLength: 1	要用于此操作的 API 版本。

请求正文

名称	必需	类型	说明
properties	True	JobBaseProperties: AutoMLJob CommandJob PipelineJob SparkJob SweepJob	[必需]实体的其他属性。

响应

名称	类型	说明
200 OK	JobBase	资源“JobBase”更新作成功
201 Created	JobBase	资源“JobBase”创建作成功
Other Status Codes	ErrorResponse	意外错误响应。

安全性

azure_auth

Azure Active Directory OAuth2 流。

类型: oauth2
流向: implicit
授权 URL: https://login.microsoftonline.com/common/oauth2/authorize

作用域

名称	说明
user_impersonation	模拟用户帐户

示例

CreateOrUpdate AutoML Job.

CreateOrUpdate Command Job.

CreateOrUpdate Pipeline Job.

CreateOrUpdate Sweep Job.

CreateOrUpdate AutoML Job.

示例请求

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-12-01

{
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "isArchived": false,
    "jobType": "AutoML",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "9bec0ab0-c62f-4fa9-a97c-7b24bbcc90ad": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        }
      }
    },
    "tags": {
      "string": "string"
    },
    "taskDetails": {
      "limitSettings": {
        "maxTrials": 2
      },
      "modelSettings": {
        "validationCropSize": 2
      },
      "searchSpace": [
        {
          "validationCropSize": "choice(2, 360)"
        }
      ],
      "targetColumnName": "string",
      "taskType": "ImageClassification",
      "trainingData": {
        "jobInputType": "mltable",
        "uri": "string"
      }
    }
  }
}

示例响应

状态代码:: 200

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "isArchived": false,
    "jobType": "AutoML",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "9bec0ab0-c62f-4fa9-a97c-7b24bbcc90ad": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "Scheduled",
    "tags": {
      "string": "string"
    },
    "taskDetails": {
      "limitSettings": {
        "maxTrials": 2
      },
      "modelSettings": {
        "validationCropSize": 2
      },
      "searchSpace": [
        {
          "validationCropSize": "choice(2, 360)"
        }
      ],
      "targetColumnName": "string",
      "taskType": "ImageClassification",
      "trainingData": {
        "jobInputType": "mltable",
        "uri": "string"
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "ManagedIdentity"
  }
}

状态代码:: 201

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "isArchived": false,
    "jobType": "AutoML",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "9bec0ab0-c62f-4fa9-a97c-7b24bbcc90ad": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "Scheduled",
    "tags": {
      "string": "string"
    },
    "taskDetails": {
      "limitSettings": {
        "maxTrials": 2
      },
      "modelSettings": {
        "validationCropSize": 2
      },
      "searchSpace": [
        {
          "validationCropSize": "choice(2, 360)"
        }
      ],
      "targetColumnName": "string",
      "taskType": "ImageClassification",
      "trainingData": {
        "jobInputType": "mltable",
        "uri": "string"
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "ManagedIdentity"
  }
}

CreateOrUpdate Command Job.

示例请求

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-12-01

{
  "properties": {
    "description": "string",
    "codeId": "string",
    "command": "string",
    "computeId": "string",
    "displayName": "string",
    "distribution": {
      "distributionType": "TensorFlow",
      "parameterServerCount": 1,
      "workerCount": 1
    },
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Command",
    "limits": {
      "jobLimitsType": "Command",
      "timeout": "PT5M"
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        }
      }
    },
    "tags": {
      "string": "string"
    }
  }
}

示例响应

状态代码:: 200

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "codeId": "string",
    "command": "string",
    "computeId": "string",
    "displayName": "string",
    "distribution": {
      "distributionType": "TensorFlow",
      "parameterServerCount": 1,
      "workerCount": 1
    },
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Command",
    "limits": {
      "jobLimitsType": "Command",
      "timeout": "PT5M"
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "parameters": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "a0847709-f5aa-4561-8ba5-d915d403fdcf": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "NotStarted",
    "tags": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

状态代码:: 201

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "codeId": "string",
    "command": "string",
    "computeId": "string",
    "displayName": "string",
    "distribution": {
      "distributionType": "TensorFlow",
      "parameterServerCount": 1,
      "workerCount": 1
    },
    "environmentId": "string",
    "environmentVariables": {
      "string": "string"
    },
    "experimentName": "string",
    "identity": {
      "identityType": "AMLToken"
    },
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Command",
    "limits": {
      "jobLimitsType": "Command",
      "timeout": "PT5M"
    },
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "ReadWriteMount",
        "uri": "string"
      }
    },
    "parameters": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "resources": {
      "instanceCount": 1,
      "instanceType": "string",
      "properties": {
        "string": {
          "b8163d40-c351-43d6-8a34-d0cd895b8a5a": null
        }
      }
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "NotStarted",
    "tags": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

CreateOrUpdate Pipeline Job.

示例请求

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-12-01

{
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "experimentName": "string",
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Pipeline",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "Upload",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "services": {
      "string": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        }
      }
    },
    "settings": {},
    "tags": {
      "string": "string"
    }
  }
}

示例响应

状态代码:: 200

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "experimentName": "string",
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Pipeline",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "Upload",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "settings": {},
    "status": "NotStarted",
    "tags": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

状态代码:: 201

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "experimentName": "string",
    "inputs": {
      "string": {
        "description": "string",
        "jobInputType": "literal",
        "value": "string"
      }
    },
    "jobType": "Pipeline",
    "outputs": {
      "string": {
        "description": "string",
        "jobOutputType": "uri_file",
        "mode": "Upload",
        "uri": "string"
      }
    },
    "properties": {
      "string": "string"
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "settings": {},
    "status": "NotStarted",
    "tags": {
      "string": "string"
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

CreateOrUpdate Sweep Job.

示例请求

HTTP

PUT https://management.azure.com/subscriptions/00000000-1111-2222-3333-444444444444/resourceGroups/test-rg/providers/Microsoft.MachineLearningServices/workspaces/my-aml-workspace/jobs/string?api-version=2025-12-01

{
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "earlyTermination": {
      "delayEvaluation": 1,
      "evaluationInterval": 1,
      "policyType": "MedianStopping"
    },
    "experimentName": "string",
    "jobType": "Sweep",
    "limits": {
      "jobLimitsType": "Sweep",
      "maxConcurrentTrials": 1,
      "maxTotalTrials": 1,
      "trialTimeout": "PT1S"
    },
    "objective": {
      "goal": "Minimize",
      "primaryMetric": "string"
    },
    "properties": {
      "string": "string"
    },
    "samplingAlgorithm": {
      "samplingAlgorithmType": "Grid"
    },
    "searchSpace": {
      "string": {}
    },
    "services": {
      "string": {
        "endpoint": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        }
      }
    },
    "tags": {
      "string": "string"
    },
    "trial": {
      "codeId": "string",
      "command": "string",
      "distribution": {
        "distributionType": "Mpi",
        "processCountPerInstance": 1
      },
      "environmentId": "string",
      "environmentVariables": {
        "string": "string"
      },
      "resources": {
        "instanceCount": 1,
        "instanceType": "string",
        "properties": {
          "string": {
            "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
          }
        }
      }
    }
  }
}

示例响应

状态代码:: 200

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "earlyTermination": {
      "delayEvaluation": 1,
      "evaluationInterval": 1,
      "policyType": "MedianStopping"
    },
    "experimentName": "string",
    "jobType": "Sweep",
    "limits": {
      "jobLimitsType": "Sweep",
      "maxConcurrentTrials": 1,
      "maxTotalTrials": 1,
      "trialTimeout": "PT1S"
    },
    "objective": {
      "goal": "Minimize",
      "primaryMetric": "string"
    },
    "properties": {
      "string": "string"
    },
    "samplingAlgorithm": {
      "samplingAlgorithmType": "Grid"
    },
    "searchSpace": {
      "string": {}
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "NotStarted",
    "tags": {
      "string": "string"
    },
    "trial": {
      "codeId": "string",
      "command": "string",
      "distribution": {
        "distributionType": "Mpi",
        "processCountPerInstance": 1
      },
      "environmentId": "string",
      "environmentVariables": {
        "string": "string"
      },
      "resources": {
        "instanceCount": 1,
        "instanceType": "string",
        "properties": {
          "string": {
            "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
          }
        }
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

状态代码:: 201

{
  "name": "string",
  "type": "string",
  "id": "string",
  "properties": {
    "description": "string",
    "computeId": "string",
    "displayName": "string",
    "earlyTermination": {
      "delayEvaluation": 1,
      "evaluationInterval": 1,
      "policyType": "MedianStopping"
    },
    "experimentName": "string",
    "jobType": "Sweep",
    "limits": {
      "jobLimitsType": "Sweep",
      "maxConcurrentTrials": 1,
      "maxTotalTrials": 1,
      "trialTimeout": "PT1S"
    },
    "objective": {
      "goal": "Minimize",
      "primaryMetric": "string"
    },
    "properties": {
      "string": "string"
    },
    "samplingAlgorithm": {
      "samplingAlgorithmType": "Grid"
    },
    "searchSpace": {
      "string": {}
    },
    "services": {
      "string": {
        "endpoint": "string",
        "errorMessage": "string",
        "jobServiceType": "string",
        "port": 1,
        "properties": {
          "string": "string"
        },
        "status": "string"
      }
    },
    "status": "NotStarted",
    "tags": {
      "string": "string"
    },
    "trial": {
      "codeId": "string",
      "command": "string",
      "distribution": {
        "distributionType": "Mpi",
        "processCountPerInstance": 1
      },
      "environmentId": "string",
      "environmentVariables": {
        "string": "string"
      },
      "resources": {
        "instanceCount": 1,
        "instanceType": "string",
        "properties": {
          "string": {
            "e6b6493e-7d5e-4db3-be1e-306ec641327e": null
          }
        }
      }
    }
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "User",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

定义

名称	说明
AllNodes	所有节点表示服务将在作业的所有节点上运行
AmlToken	AML 令牌身份配置。
AutoForecastHorizon	由系统自动确定的预测范围。
AutoMLJob	AutoMLJob 类。使用此类执行 AutoML 任务，如分类/回归等。有关支持的所有任务，请参阅 TaskType 枚举。
AutoNCrossValidations	自动确定 N-Cross 验证。
AutoSeasonality
AutoTargetLags
AutoTargetRollingWindowSize	目标滞后滚动窗口自动确定。
AzureDevOpsWebhook	特定于 Azure DevOps 的 Webhook 详细信息
BanditPolicy	根据松弛标准定义提前终止策略，以及用于评估的频率和延迟间隔
BayesianSamplingAlgorithm	定义一个采样算法，该算法根据以前的值生成值
BlockedTransformers	AutoML 支持的所有分类模型的枚举。
Classification	AutoML Table 垂直中的分类任务。
ClassificationModels	AutoML 支持的所有分类模型的枚举。
ClassificationMultilabelPrimaryMetrics	分类多标签任务的主要指标。
ClassificationPrimaryMetrics	分类任务的主要指标。
ClassificationTrainingSettings	分类训练相关配置。
CommandJob	命令作业定义。
CommandJobLimits	命令作业限制类。
createdByType	创建资源的标识的类型。
CustomForecastHorizon	所需最大预测范围（以时序频率单位为单位）。
CustomModelJobInput
CustomModelJobOutput
CustomNCrossValidations	N-Cross 验证由用户指定。
CustomSeasonality
CustomTargetLags
CustomTargetRollingWindowSize
DistributionType	枚举以确定作业分布类型。
EarlyTerminationPolicyType
EmailNotificationEnableType	枚举以确定电子邮件通知类型。
ErrorAdditionalInfo	资源管理错误附加信息。
ErrorDetail	错误详细信息。
ErrorResponse	错误响应
FeatureLags	用于为数值特征生成滞后的标志。
FeaturizationMode	特征化模式 - 用户可以保留默认的“自动”模式，AutoML 将负责在特征化阶段对数据进行必要的转换。如果选择了“关闭”，则不会完成特征化。如果选择“自定义”，则用户可以指定其他输入以自定义特征化完成方式。
ForecastHorizonMode	枚举以确定预测范围选择模式。
Forecasting	AutoML Table 垂直中的预测任务。
ForecastingModels	AutoML 支持的所有预测模型的枚举。
ForecastingPrimaryMetrics	预测任务的主要指标。
ForecastingSettings	预测特定参数。
ForecastingTrainingSettings	预测培训相关配置。
Goal	定义超参数优化支持的指标目标
GridSamplingAlgorithm	定义一个采样算法，该算法详尽地生成空间中的每个值组合
IdentityConfigurationType	枚举来确定标识框架。
ImageClassification	图像分类。当图像仅使用一组类中的单个标签进行分类时，使用多类图像分类 - 例如，每个图像被分类为“猫”或“狗”或“鸭子”的图像。
ImageClassificationMultilabel	图像分类多标签。当图像可以具有一组标签中的一个或多个标签时，使用多标签图像分类 - 例如，图像可以同时标记为“猫”和“狗”。
ImageInstanceSegmentation	图像实例分割。实例分割用于在像素级别识别图像中的对象，在图像中的每个对象周围绘制一个多边形。
ImageLimitSettings	限制 AutoML 作业的设置。
ImageModelDistributionSettingsClassification	用于扫描模型设置值的分布表达式。 <示例> 一些例子是： ModelName = "choice('seresnext', 'resnest50')"; LearningRate = "uniform(0.001, 0.01)"; LayersToFreeze = "choice(0, 2)"; ```</example> For more details on how to compose distribution expressions please check the documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters For more information on the available settings please visit the official documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelDistributionSettingsObjectDetection	用于扫描模型设置值的分布表达式。 <示例> 一些例子是： ModelName = "choice('seresnext', 'resnest50')"; LearningRate = "uniform(0.001, 0.01)"; LayersToFreeze = "choice(0, 2)"; ```</example> For more details on how to compose distribution expressions please check the documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters For more information on the available settings please visit the official documentation: https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.
ImageModelSettingsClassification	用于训练模型的设置。有关可用设置的更多信息，请访问官方文档： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
ImageModelSettingsObjectDetection	用于训练模型的设置。有关可用设置的更多信息，请访问官方文档： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
ImageObjectDetection	图像对象检测。对象检测用于识别图像中的对象并使用边界框定位每个对象，例如定位图像中的所有狗和猫，并在每个对象周围绘制一个边界框。
ImageSweepSettings	模型扫描和超参数扫描相关设置。
InputDeliveryMode	枚举以确定输入数据传递模式。
InstanceSegmentationPrimaryMetrics	InstanceSegmentation 任务的主要指标。
JobBase	Azure 资源管理器资源信封。
JobInputType	枚举以确定作业输入类型。
JobLimitsType
JobOutputType	枚举以确定作业输出类型。
JobResourceConfiguration
JobService	作业端点定义
JobStatus	作业的状态。
JobTier	用于确定作业层的枚举。
JobType	枚举以确定作业类型。
LearningRateScheduler	学习率调度程序枚举。
LiteralJobInput	文字输入类型。
LogVerbosity	用于设置日志详细程度的枚举。
ManagedIdentity	托管标识配置。
MedianStoppingPolicy	根据所有运行的主要指标的运行平均值定义提前终止策略
MLFlowModelJobInput
MLFlowModelJobOutput
MLTableJobInput
MLTableJobOutput
ModelSize	图像模型大小。
Mpi	MPI 分发配置。
NCrossValidationsMode	确定如何确定 N-Cross 验证值。
NlpVerticalFeaturizationSettings
NlpVerticalLimitSettings	作业执行约束。
NodesValueType	节点值的枚举类型
NotificationSetting	通知的配置。
ObjectDetectionPrimaryMetrics	图像对象检测任务的主要指标。
Objective	优化目标。
OutputDeliveryMode	输出数据传递模式枚举。
PipelineJob	管道作业定义：定义通用到 MFE 属性。
PyTorch	PyTorch 分发配置。
QueueSettings
RandomSamplingAlgorithm	定义随机生成值的采样算法
RandomSamplingAlgorithmRule	随机算法的特定类型
Regression	AutoML Table 垂直中的回归任务。
RegressionModels	AutoML 支持的所有回归模型的枚举。
RegressionPrimaryMetrics	回归任务的主要指标。
RegressionTrainingSettings	回归训练相关配置。
SamplingAlgorithmType
SeasonalityMode	预测季节性模式。
ShortSeriesHandlingConfiguration	定义 AutoML 如何处理短时序的参数。
SparkJob	Spark 作业定义。
SparkJobEntryType
SparkJobPythonEntry
SparkJobScalaEntry
SparkResourceConfiguration
StackEnsembleSettings	用于自定义 StackEnsemble 运行的高级设置。
StackMetaLearnerType	元学习器是一个基于各个异构模型输出训练的模型。\r\n默认的元学习器是用于分类任务的LogisticRegression（如果启用交叉验证则用LogisticRegressionCV），用于回归/预测任务的ElasticNet（或启用交叉验证则用ElasticNetCV）。\r\n该参数可以是以下字符串之一：LogisticRegression、LogisticRegressionCV、LightGBMClassifier、ElasticNet、ElasticNetCV、LightGBMRegressor 或 LinearRegression
StochasticOptimizer	图像模型的随机优化器。
SweepJob	扫描作业定义。
SweepJobLimits	扫描作业限制类。
systemData	与创建和上次修改资源相关的元数据。
TableVerticalFeaturizationSettings	特征化配置。
TableVerticalLimitSettings	作业执行约束。
TargetAggregationFunction	目标聚合函数。
TargetLagsMode	目标滞后选择模式。
TargetRollingWindowSizeMode	目标滚动窗口大小模式。
TaskType	AutoMLJob 任务类型。
TensorFlow	TensorFlow 分布配置。
TextClassification	AutoML NLP 垂直版中的文本分类任务。 NLP - 自然语言处理。
TextClassificationMultilabel	AutoML NLP 垂直领域的文本分类多标签任务。 NLP - 自然语言处理。
TextNer	AutoML NLP 垂直 Text-NER 任务。 NER - 命名实体识别。 NLP - 自然语言处理。
TrialComponent	试用组件定义。
TritonModelJobInput
TritonModelJobOutput
TruncationSelectionPolicy	定义提前终止策略，该策略在每个评估间隔内取消给定百分比的运行。
UriFileJobInput
UriFileJobOutput
UriFolderJobInput
UriFolderJobOutput
UserIdentity	用户标识配置。
UseStl	配置时序目标列的 STL 分解。
ValidationMetricType	用于图像任务中验证指标的指标计算方法。
WebhookType	枚举来确定 Webhook 回调服务类型。

AllNodes

对象

所有节点表示服务将在作业的所有节点上运行

名称	类型	说明
nodesValueType	string: All	[必需]Nodes 值的类型

AmlToken

对象

AML 令牌身份配置。

名称	类型	说明
identityType	string: AMLToken	[必需]指定标识框架的类型。

AutoForecastHorizon

对象

由系统自动确定的预测范围。

名称	类型	说明
mode	string: Auto	[必需]设置预测地平线值选择模式。

AutoMLJob

对象

AutoMLJob 类。使用此类执行 AutoML 任务，如分类/回归等。有关支持的所有任务，请参阅 TaskType 枚举。

名称	类型	默认值	说明
componentId	string		组件资源的 ARM 资源 ID。
computeId	string		计算资源的 ARM 资源 ID。
description	string		资产说明文本。
displayName	string		作业的显示名称。
environmentId	string		作业的环境规范的 ARM 资源 ID。这是一个可选值，如果未提供，AutoML 将在运行作业时将其默认为生产 AutoML 特选环境版本。
environmentVariables	object		作业中包含的环境变量。
experimentName	string	Default	作业所属的试验的名称。如果未设置，作业将放置在“默认”试验中。
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		标识配置。如果已设置，则应为 AmlToken、ManagedIdentity、UserIdentity 或 null 之一。如果为 null，则默认为 AmlToken。
isArchived	boolean	False	资产是否已存档？
jobType	string: AutoML		[必需]指定作业的类型。
notificationSetting	NotificationSetting		作业的通知设置
outputs	object		作业中使用的输出数据绑定的映射。
properties	object		资产属性字典。
queueSettings	QueueSettings		作业的队列设置
resources	JobResourceConfiguration		作业的计算资源配置。
services	<string, JobService>		JobEndpoints 列表。对于本地作业，作业终结点的终结点值为 FileStreamObject。
status	JobStatus		作业状态。
tags	object		标记字典。可以添加、删除和更新标记。
taskDetails	AutoMLVertical: Classification Forecasting ImageClassification ImageClassificationMultilabel ImageInstanceSegmentation ImageObjectDetection Regression TextClassification TextClassificationMultilabel TextNer		[必需]这表示可以是表/NLP/Image 之一的方案

AutoNCrossValidations

对象

自动确定 N-Cross 验证。

名称	类型	说明
mode	string: Auto	[必需]用于确定 N 交叉验证的模式。

AutoSeasonality

对象

名称	类型	说明
mode	string: Auto	[必需]季节性模式。

AutoTargetLags

对象

名称	类型	说明
mode	string: Auto	[必需]设置目标滞后模式 - 自动/自定义

AutoTargetRollingWindowSize

对象

目标滞后滚动窗口自动确定。

名称	类型	说明
mode	string: Auto	[必需]TargetRollingWindowSiz 检测模式。

AzureDevOpsWebhook

对象

特定于 Azure DevOps 的 Webhook 详细信息

名称	类型	说明
eventType	string	对指定的通知事件发送回调
webhookType	string: AzureDevOps	[必需]指定要发送回调的服务的类型

BanditPolicy

对象

根据松弛标准定义提前终止策略，以及用于评估的频率和延迟间隔

名称	类型	默认值	说明
delayEvaluation	integer (int32)	0	延迟第一次计算的间隔数。
evaluationInterval	integer (int32)	0	策略评估之间的间隔（运行数）。
policyType	string: Bandit		[必需]策略配置的名称
slackAmount	number (float)	0	从性能最佳的运行中允许的绝对距离。
slackFactor	number (float)	0	与性能最佳的运行距离的允许距离比率。

BayesianSamplingAlgorithm

对象

定义一个采样算法，该算法根据以前的值生成值

名称	类型	说明
samplingAlgorithmType	string: Bayesian	[必需]用于生成超参数值的算法以及配置属性

BlockedTransformers

枚举

AutoML 支持的所有分类模型的枚举。

值	说明
TextTargetEncoder	文本数据的目标编码。
OneHotEncoder	Ohe 热编码创建二进制特征转换。
CatTargetEncoder	分类数据的目标编码。
TfIdf	Tf-Idf 代表术语-频率乘以反文档-频率。这是用于从文档中识别信息的常用术语加权方案。
WoETargetEncoder	证据权重编码是一种用于编码分类变量的技术。它使用 P（1）/P（0）的自然对数来创建权重。
LabelEncoder	标签编码器以数字形式转换标签/分类变量。
WordEmbedding	单词嵌入有助于将单词或短语表示为向量或一系列数字。
NaiveBayes	朴素贝叶斯是一种分类，用于分类分布的离散特征的分类。
CountVectorizer	计数矢量化器将文本文档的集合转换为标记计数矩阵。
HashOneHotEncoder	对一个热编码器进行哈希处理可以将分类变量转换为有限数量的新功能。这通常用于高基数分类特征。

Classification

对象

AutoML Table 垂直中的分类任务。

名称	类型	默认值	说明
cvSplitColumnNames	string[]		用于 CVSplit 数据的列。
featurizationSettings	TableVerticalFeaturizationSettings		AutoML 作业所需的特征化输入。
limitSettings	TableVerticalLimitSettings		AutoMLJob 的执行约束。
logVerbosity	LogVerbosity	Info	用于设置日志详细程度的枚举。
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		未提供验证数据集时要应用于训练数据集的交叉验证折叠数。
positiveLabel	string		二进制指标计算的正标签。
primaryMetric	ClassificationPrimaryMetrics	AUCWeighted	分类任务的主要指标。
targetColumnName	string		目标列名称：这是预测值列。也称为分类任务的上下文中的标签列名称。
taskType	string: Classification		[必需]AutoMLJob 的任务类型。
testData	MLTableJobInput		测试数据输入。
testDataSize	number (double)		需要为验证目的预留的测试数据集的分数。介于（0.0 ， 1.0）之间的值未提供验证数据集时应用。
trainingData	MLTableJobInput		[必需]训练数据输入。
trainingSettings	ClassificationTrainingSettings		AutoML 作业训练阶段的输入。
validationData	MLTableJobInput		验证数据输入。
validationDataSize	number (double)		需要留出用于验证的定型数据集的分数。介于（0.0 ， 1.0）之间的值未提供验证数据集时应用。
weightColumnName	string		示例权重列的名称。自动化 ML 支持加权列作为输入，导致数据中的行向上或向下加权。

ClassificationModels

枚举

AutoML 支持的所有分类模型的枚举。

值	说明
LogisticRegression	逻辑回归是一种基本的分类技术。它属于线性分类器组，有点类似于多项式和线性回归。逻辑回归速度快，相对简单，方便您解释结果。虽然它本质上是一种二元分类方法，但它也可以应用于多类问题。
SGD	SGD：随机梯度下降是一种优化算法，常用于机器学习应用，用于找到与预测输出和实际输出之间最佳拟合相对应的模型参数。
MultinomialNaiveBayes	多项朴素贝叶斯分类器适用于具有离散特征的分类（例如，文本分类的字数统计）。多项式分布通常需要整数特征计数。然而，在实践中，诸如 tf-idf 之类的小数计数也可能有效。
BernoulliNaiveBayes	多元伯努利模型的朴素贝叶斯分类器。
SVM	支持向量机（SVM）是一种监督机器学习模型，它使用分类算法来解决两组分类问题。在为 SVM 模型提供每个类别的标记训练数据集后，他们能够对新文本进行分类。
LinearSVM	支持向量机（SVM）是一种监督机器学习模型，它使用分类算法来解决两组分类问题。在为 SVM 模型提供每个类别的标记训练数据集后，他们能够对新文本进行分类。当输入数据是线性的时，线性 SVM 的性能最佳，即可以通过在绘制的图形上绘制分类值之间的直线来轻松对数据进行分类。
KNN	K 最近邻（KNN）算法使用“特征相似性”来预测新数据点的值，这进一步意味着新数据点将根据它与训练集中点的匹配程度分配一个值。
DecisionTree	决策树是一种非参数监督学习方法，用于分类和回归任务。目标是创建一个模型，通过学习从数据特征推断的简单决策规则来预测目标变量的值。
RandomForest	随机森林是一种监督学习算法。它构建的“森林”是决策树的集合，通常使用“装袋”方法进行训练。套袋方法的总体思路是学习模型的组合增加了整体结果。
ExtremeRandomTrees	Extreme Trees 是一种集成机器学习算法，它结合了许多决策树的预测。它与广泛使用的随机森林算法有关。
LightGBM	LightGBM 是一个梯度提升框架，它使用基于树的学习算法。
GradientBoosting	将周学习者转变为强学习者的技术称为提升。梯度提升算法过程基于这种执行理论。
XGBoostClassifier	XGBoost：极限梯度提升算法。此算法用于结构化数据，其中目标列值可以划分为不同的类值。

ClassificationMultilabelPrimaryMetrics

枚举

分类多标签任务的主要指标。

值	说明
AUCWeighted	AUC 是曲线下面积。该指标表示每个类的分数的算术平均值，按每个类中的真实实例数加权。
Accuracy	Accuracy 是与真实类标签完全匹配的预测比率。
NormMacroRecall	规范化宏召回率是对宏召回率进行规范化和平均化，因此，随机性能的评分为 0，完美性能的评分为 1。
AveragePrecisionScoreWeighted	每个类的平均精度分数的算术平均值，按每个类中的真实实例数加权。
PrecisionScoreWeighted	每个类的精度算术平均值，按每个类中的真实实例数加权。
IOU	交集越联合。预测除以预测并集的交集。

ClassificationPrimaryMetrics

枚举

分类任务的主要指标。

值	说明
AUCWeighted	AUC 是曲线下面积。该指标表示每个类的分数的算术平均值，按每个类中的真实实例数加权。
Accuracy	Accuracy 是与真实类标签完全匹配的预测比率。
NormMacroRecall	规范化宏召回率是对宏召回率进行规范化和平均化，因此，随机性能的评分为 0，完美性能的评分为 1。
AveragePrecisionScoreWeighted	每个类的平均精度分数的算术平均值，按每个类中的真实实例数加权。
PrecisionScoreWeighted	每个类的精度算术平均值，按每个类中的真实实例数加权。

ClassificationTrainingSettings

对象

分类训练相关配置。

名称	类型	默认值	说明
allowedTrainingAlgorithms	ClassificationModels[]		分类任务的允许模型。
blockedTrainingAlgorithms	ClassificationModels[]		分类任务的阻止模型。
enableDnnTraining	boolean	False	启用 DNN 模型的建议。
enableModelExplainability	boolean	True	标志以在最佳模型上启用可解释性。
enableOnnxCompatibleModels	boolean	False	用于启用 onnx 兼容模型的标志。
enableStackEnsemble	boolean	True	启用堆栈合奏运行。
enableVoteEnsemble	boolean	True	启用投票合奏运行。
ensembleModelDownloadTimeout	string (duration)	PT5M	在 VotingEnsemble 和 StackEnsemble 模型生成期间，将下载先前子运行中的多个拟合模型。如果需要更多时间，请将此参数配置为大于 300 秒的值。
stackEnsembleSettings	StackEnsembleSettings		堆栈合奏的堆栈合奏设置。

CommandJob

对象

命令作业定义。

名称	类型	默认值	说明
codeId	string		代码资产的 ARM 资源 ID。
command	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]在启动作业时执行的命令。 eg. “python train.py”
componentId	string		组件资源的 ARM 资源 ID。
computeId	string		计算资源的 ARM 资源 ID。
description	string		资产说明文本。
displayName	string		作业的显示名称。
distribution	DistributionConfiguration: Mpi PyTorch TensorFlow		作业的分发配置。如果已设置，则应为 Mpi、Tensorflow、PyTorch 或 null 之一。
environmentId	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]作业的环境规范的 ARM 资源 ID。
environmentVariables	object		作业中包含的环境变量。
experimentName	string	Default	作业所属的试验的名称。如果未设置，作业将放置在“默认”试验中。
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		标识配置。如果已设置，则应为 AmlToken、ManagedIdentity、UserIdentity 或 null 之一。如果为 null，则默认为 AmlToken。
inputs	object		作业中使用的输入数据绑定的映射。
isArchived	boolean	False	资产是否已存档？
jobType	string: Command		[必需]指定作业的类型。
limits	CommandJobLimits		命令作业限制。
notificationSetting	NotificationSetting		作业的通知设置
outputs	object		作业中使用的输出数据绑定的映射。
parameters			输入参数。
properties	object		资产属性字典。
queueSettings	QueueSettings		作业的队列设置
resources	JobResourceConfiguration		作业的计算资源配置。
services	<string, JobService>		JobEndpoints 列表。对于本地作业，作业终结点的终结点值为 FileStreamObject。
status	JobStatus		作业状态。
tags	object		标记字典。可以添加、删除和更新标记。

CommandJobLimits

对象

命令作业限制类。

名称	类型	说明
jobLimitsType	string: Command	[必需]JobLimit 类型。
timeout	string (duration)	ISO 8601 格式的最大运行持续时间，之后作业将被取消。仅支持精度为秒的持续时间。

createdByType

枚举

创建资源的标识的类型。

值	说明
User
Application
ManagedIdentity
Key

CustomForecastHorizon

对象

所需最大预测范围（以时序频率单位为单位）。

名称	类型	说明
mode	string: Custom	[必需]设置预测地平线值选择模式。
value	integer (int32)	[必需]预测地平线值。

CustomModelJobInput

对象

名称	类型	默认值	说明
description	string		输入的说明。
jobInputType	string: custom_model		[必需]指定作业的类型。
mode	InputDeliveryMode	ReadOnlyMount	枚举以确定输入数据传递模式。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]输入资产 URI。

CustomModelJobOutput

对象

名称	类型	默认值	说明
assetName	string		输出资产名称。
description	string		输出的说明。
jobOutputType	string: custom_model		[必需]指定作业的类型。
mode	OutputDeliveryMode	ReadWriteMount	输出数据传递模式枚举。
uri	string		输出资产 URI。

CustomNCrossValidations

对象

N-Cross 验证由用户指定。

名称	类型	说明
mode	string: Custom	[必需]用于确定 N 交叉验证的模式。
value	integer (int32)	[必需]N 交叉验证值。

CustomSeasonality

对象

名称	类型	说明
mode	string: Custom	[必需]季节性模式。
value	integer (int32)	[必需]季节性值。

CustomTargetLags

对象

名称	类型	说明
mode	string: Custom	[必需]设置目标滞后模式 - 自动/自定义
values	integer[] (int32)	[必需]设置目标滞后值。

CustomTargetRollingWindowSize

对象

名称	类型	说明
mode	string: Custom	[必需]TargetRollingWindowSiz 检测模式。
value	integer (int32)	[必需]TargetRollingWindowSize 值。

DistributionType

枚举

枚举以确定作业分布类型。

值	说明
PyTorch
TensorFlow
Mpi

EarlyTerminationPolicyType

枚举

值	说明
Bandit
MedianStopping
TruncationSelection

EmailNotificationEnableType

枚举

枚举以确定电子邮件通知类型。

值	说明
JobCompleted
JobFailed
JobCancelled

ErrorAdditionalInfo

对象

资源管理错误附加信息。

名称	类型	说明
info	object	其他信息。
type	string	其他信息类型。

ErrorDetail

对象

错误详细信息。

名称	类型	说明
additionalInfo	ErrorAdditionalInfo[]	错误附加信息。
code	string	错误代码。
details	ErrorDetail[]	错误详细信息。
message	string	错误消息。
target	string	错误目标。

ErrorResponse

对象

错误响应

名称	类型	说明
error	ErrorDetail	错误对象。

FeatureLags

枚举

用于为数值特征生成滞后的标志。

值	说明
None	不会生成特征滞后。
Auto	系统自动生成功能滞后。

FeaturizationMode

枚举

特征化模式 - 用户可以保留默认的“自动”模式，AutoML 将负责在特征化阶段对数据进行必要的转换。如果选择了“关闭”，则不会完成特征化。如果选择“自定义”，则用户可以指定其他输入以自定义特征化完成方式。

值	说明
Auto	自动模式下，系统执行特征化，无需任何自定义特征化输入。
Custom	自定义特征化。
Off	特征化关闭。 “预测”任务不能使用此值。

ForecastHorizonMode

枚举

枚举以确定预测范围选择模式。

值	说明
Auto	预测范围将自动确定。
Custom	使用自定义预测范围。

Forecasting

对象

AutoML Table 垂直中的预测任务。

名称	类型	默认值	说明
cvSplitColumnNames	string[]		用于 CVSplit 数据的列。
featurizationSettings	TableVerticalFeaturizationSettings		AutoML 作业所需的特征化输入。
forecastingSettings	ForecastingSettings		预测任务特定的输入。
limitSettings	TableVerticalLimitSettings		AutoMLJob 的执行约束。
logVerbosity	LogVerbosity	Info	用于设置日志详细程度的枚举。
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		未提供验证数据集时要应用于训练数据集的交叉验证折叠数。
primaryMetric	ForecastingPrimaryMetrics	NormalizedRootMeanSquaredError	预测任务的主要指标。
targetColumnName	string		目标列名称：这是预测值列。也称为分类任务的上下文中的标签列名称。
taskType	string: Forecasting		[必需]AutoMLJob 的任务类型。
testData	MLTableJobInput		测试数据输入。
testDataSize	number (double)		需要为验证目的预留的测试数据集的分数。介于（0.0 ， 1.0）之间的值未提供验证数据集时应用。
trainingData	MLTableJobInput		[必需]训练数据输入。
trainingSettings	ForecastingTrainingSettings		AutoML 作业训练阶段的输入。
validationData	MLTableJobInput		验证数据输入。
validationDataSize	number (double)		需要留出用于验证的定型数据集的分数。介于（0.0 ， 1.0）之间的值未提供验证数据集时应用。
weightColumnName	string		示例权重列的名称。自动化 ML 支持加权列作为输入，导致数据中的行向上或向下加权。

ForecastingModels

枚举

AutoML 支持的所有预测模型的枚举。

值	说明
AutoArima	自动自回归综合移动平均线（ARIMA）模型使用时间序列数据和统计分析来解释数据并做出未来预测。该模型旨在通过使用过去值的时间序列数据来解释数据，并使用线性回归进行预测。
Prophet	Prophet 是一种基于加法模型预测时间序列数据的过程，其中非线性趋势与年度、每周和每日季节性以及假期效应拟合。它最适合具有强烈季节性影响的时间序列和多个季节的历史数据。 Prophet 对缺失数据和趋势变化具有鲁棒性，并且通常可以很好地处理异常值。
Naive	朴素预测模型通过结转训练数据中每个时间序列的最新目标值来进行预测。
SeasonalNaive	季节性朴素预测模型通过结转训练数据中每个时间序列的最新季节目标值来进行预测。
Average	平均预测模型通过结转训练数据中每个时间序列的目标值的平均值来进行预测。
SeasonalAverage	季节性平均预测模型通过结转训练数据中每个时间序列的最新季节数据的平均值来进行预测。
ExponentialSmoothing	指数平滑是一种针对单变量数据的时间序列预测方法，可以扩展以支持具有系统趋势或季节性成分的数据。
Arimax	具有解释变量的自回归综合移动平均线（ARIMAX）模型可以被视为具有一个或多个自回归（AR）项和/或一个或多个移动平均线（MA）项的多元回归模型。该方法适用于数据为平稳/非平稳时的预测，以及具有任何类型数据模式（即水平/趋势/季节性/周期性）的多变量。
TCNForecaster	TCNForecaster：时态卷积网络预报器。 TODO：向预测团队询问简要介绍。
ElasticNet	弹性网络是一种流行的正则化线性回归类型，它结合了两种流行的惩罚，特别是 L1 和 L2 惩罚函数。
GradientBoosting	将周学习者转变为强学习者的技术称为提升。梯度提升算法过程基于这种执行理论。
DecisionTree	决策树是一种非参数监督学习方法，用于分类和回归任务。目标是创建一个模型，通过学习从数据特征推断的简单决策规则来预测目标变量的值。
KNN	K 最近邻（KNN）算法使用“特征相似性”来预测新数据点的值，这进一步意味着新数据点将根据它与训练集中点的匹配程度分配一个值。
LassoLars	套索模型拟合最小角度回归又名 Lars。它是一个线性模型，使用 L1 先验作为正则化器进行训练。
SGD	SGD：随机梯度下降是一种优化算法，常用于机器学习应用，用于找到与预测输出和实际输出之间最佳拟合相对应的模型参数。这是一种不精确但强大的技术。
RandomForest	随机森林是一种监督学习算法。它构建的“森林”是决策树的集合，通常使用“装袋”方法进行训练。套袋方法的总体思路是学习模型的组合增加了整体结果。
ExtremeRandomTrees	Extreme Trees 是一种集成机器学习算法，它结合了许多决策树的预测。它与广泛使用的随机森林算法有关。
LightGBM	LightGBM 是一个梯度提升框架，它使用基于树的学习算法。
XGBoostRegressor	XGBoostRegressor：Extreme Gradient Boosting Regressor 是一种使用基本学习器集成的监督机器学习模型。

ForecastingPrimaryMetrics

枚举

预测任务的主要指标。

值	说明
SpearmanCorrelation	斯皮尔曼秩相关系数是秩相关性的非参数度量。
NormalizedRootMeanSquaredError	归一化均方根误差（NRMSE） RMSE 有助于不同尺度模型之间的比较。
R2Score	R2 分数是基于预测的机器学习模型的性能评估度量之一。
NormalizedMeanAbsoluteError	归一化平均绝对误差（NMAE）是一种验证指标，用于比较不同尺度的（时间）序列的平均绝对误差（MAE）。

ForecastingSettings

对象

预测特定参数。

名称	类型	默认值	说明
countryOrRegionForHolidays	string		用于预测任务的假日国家或地区。这些代码应为 ISO 3166 双字母国家/地区代码，例如“US”或“GB”。
cvStepSize	integer (int32)		一个 CV 折叠的起始时间与下一个折叠之间的句点数。例如，如果每日数据为 = 3，则 `CVStepSize` 每个折叠的起始时间将相隔三天。
featureLags	FeatureLags	None	用于为数值特征生成滞后的标志。
forecastHorizon	ForecastHorizon: AutoForecastHorizon CustomForecastHorizon		所需最大预测范围（以时序频率单位为单位）。
frequency	string		预测时，此参数表示需要预测的时间段，例如每日、每周、每年等。默认情况下，预测频率为数据集频率。
seasonality	Seasonality: AutoSeasonality CustomSeasonality		将时序季节性设置为序列频率的整数倍数。如果季节性设置为“auto”，则会推断它。
shortSeriesHandlingConfig	ShortSeriesHandlingConfiguration	Auto	定义 AutoML 如何处理短时序的参数。
targetAggregateFunction	TargetAggregationFunction	None	目标聚合函数。
targetLags	TargetLags: AutoTargetLags CustomTargetLags		要从目标列滞后的过去时间段数。
targetRollingWindowSize	TargetRollingWindowSize: AutoTargetRollingWindowSize CustomTargetRollingWindowSize		用于创建目标列的滚动窗口平均值的过去时间段数。
timeColumnName	string		时间列的名称。当预测在用于生成时序并推断其频率的输入数据中指定日期/时间列时，此参数是必需的。
timeSeriesIdColumnNames	string[]		用于对时间序列进行分组的列的名称。它可用于创建多个序列。如果未定义粒度，则假定数据集为一个时序。此参数用于任务类型预测。
useStl	UseStl	None	配置时序目标列的 STL 分解。

ForecastingTrainingSettings

对象

预测培训相关配置。

名称	类型	默认值	说明
allowedTrainingAlgorithms	ForecastingModels[]		允许用于预测任务的模型。
blockedTrainingAlgorithms	ForecastingModels[]		用于预测任务的阻止模型。
enableDnnTraining	boolean	False	启用 DNN 模型的建议。
enableModelExplainability	boolean	True	标志以在最佳模型上启用可解释性。
enableOnnxCompatibleModels	boolean	False	用于启用 onnx 兼容模型的标志。
enableStackEnsemble	boolean	True	启用堆栈合奏运行。
enableVoteEnsemble	boolean	True	启用投票合奏运行。
ensembleModelDownloadTimeout	string (duration)	PT5M	在 VotingEnsemble 和 StackEnsemble 模型生成期间，将下载先前子运行中的多个拟合模型。如果需要更多时间，请将此参数配置为大于 300 秒的值。
stackEnsembleSettings	StackEnsembleSettings		堆栈合奏的堆栈合奏设置。

Goal

枚举

定义超参数优化支持的指标目标

值	说明
Minimize
Maximize

GridSamplingAlgorithm

对象

定义一个采样算法，该算法详尽地生成空间中的每个值组合

名称	类型	说明
samplingAlgorithmType	string: Grid	[必需]用于生成超参数值的算法以及配置属性

IdentityConfigurationType

枚举

枚举来确定标识框架。

值	说明
Managed
AMLToken
UserIdentity

ImageClassification

对象

图像分类。当图像仅使用一组类中的单个标签进行分类时，使用多类图像分类 - 例如，每个图像被分类为“猫”或“狗”或“鸭子”的图像。

名称	类型	默认值	说明
limitSettings	ImageLimitSettings		[必需]限制 AutoML 作业的设置。
logVerbosity	LogVerbosity	Info	用于设置日志详细程度的枚举。
modelSettings	ImageModelSettingsClassification		用于训练模型的设置。
primaryMetric	ClassificationPrimaryMetrics	Accuracy	分类任务的主要指标。
searchSpace	ImageModelDistributionSettingsClassification[]		用于采样模型及其超参数的不同组合的搜索空间。
sweepSettings	ImageSweepSettings		模型扫描和超参数扫描相关设置。
targetColumnName	string		目标列名称：这是预测值列。也称为分类任务的上下文中的标签列名称。
taskType	string: ImageClassification		[必需]AutoMLJob 的任务类型。
trainingData	MLTableJobInput		[必需]训练数据输入。
validationData	MLTableJobInput		验证数据输入。
validationDataSize	number (double)		需要留出用于验证的定型数据集的分数。介于（0.0 ， 1.0）之间的值未提供验证数据集时应用。

ImageClassificationMultilabel

对象

图像分类多标签。当图像可以具有一组标签中的一个或多个标签时，使用多标签图像分类 - 例如，图像可以同时标记为“猫”和“狗”。

名称	类型	默认值	说明
limitSettings	ImageLimitSettings		[必需]限制 AutoML 作业的设置。
logVerbosity	LogVerbosity	Info	用于设置日志详细程度的枚举。
modelSettings	ImageModelSettingsClassification		用于训练模型的设置。
primaryMetric	ClassificationMultilabelPrimaryMetrics	IOU	分类多标签任务的主要指标。
searchSpace	ImageModelDistributionSettingsClassification[]		用于采样模型及其超参数的不同组合的搜索空间。
sweepSettings	ImageSweepSettings		模型扫描和超参数扫描相关设置。
targetColumnName	string		目标列名称：这是预测值列。也称为分类任务的上下文中的标签列名称。
taskType	string: ImageClassificationMultilabel		[必需]AutoMLJob 的任务类型。
trainingData	MLTableJobInput		[必需]训练数据输入。
validationData	MLTableJobInput		验证数据输入。
validationDataSize	number (double)		需要留出用于验证的定型数据集的分数。介于（0.0 ， 1.0）之间的值未提供验证数据集时应用。

ImageInstanceSegmentation

对象

图像实例分割。实例分割用于在像素级别识别图像中的对象，在图像中的每个对象周围绘制一个多边形。

名称	类型	默认值	说明
limitSettings	ImageLimitSettings		[必需]限制 AutoML 作业的设置。
logVerbosity	LogVerbosity	Info	用于设置日志详细程度的枚举。
modelSettings	ImageModelSettingsObjectDetection		用于训练模型的设置。
primaryMetric	InstanceSegmentationPrimaryMetrics	MeanAveragePrecision	InstanceSegmentation 任务的主要指标。
searchSpace	ImageModelDistributionSettingsObjectDetection[]		用于采样模型及其超参数的不同组合的搜索空间。
sweepSettings	ImageSweepSettings		模型扫描和超参数扫描相关设置。
targetColumnName	string		目标列名称：这是预测值列。也称为分类任务的上下文中的标签列名称。
taskType	string: ImageInstanceSegmentation		[必需]AutoMLJob 的任务类型。
trainingData	MLTableJobInput		[必需]训练数据输入。
validationData	MLTableJobInput		验证数据输入。
validationDataSize	number (double)		需要留出用于验证的定型数据集的分数。介于（0.0 ， 1.0）之间的值未提供验证数据集时应用。

ImageLimitSettings

对象

限制 AutoML 作业的设置。

名称	类型	默认值	说明
maxConcurrentTrials	integer (int32)	1	最大并发 AutoML 迭代数。
maxTrials	integer (int32)	1	AutoML 迭代的最大数目。
timeout	string (duration)	P7D	AutoML 作业超时。

ImageModelDistributionSettingsClassification

对象

用于扫描模型设置值的分布表达式。 <示例> 一些例子是：

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

名称	类型	说明
amsGradient	string	优化器为“adam”或“adamw”时启用 AMSGrad。
augmentations	string	使用扩充的设置。
beta1	string	优化器为“adam”或“adamw”时“beta1”的值。必须是 [0， 1] 范围内的浮点。
beta2	string	优化器为“adam”或“adamw”时“beta2”的值。必须是 [0， 1] 范围内的浮点。
distributed	string	是否使用分布式程序训练。
earlyStopping	string	在训练期间启用提前停止逻辑。
earlyStoppingDelay	string	在跟踪主要指标改进以提前停止之前要等待的最小纪元或验证评估数。必须是正整数。
earlyStoppingPatience	string	在停止运行之前没有主要指标改进的最小纪元或验证评估数。必须是正整数。
enableOnnxNormalization	string	导出 ONNX 模型时启用规范化。
evaluationFrequency	string	评估验证数据集以获取指标分数的频率。必须是正整数。
gradientAccumulationStep	string	梯度累积是指在累积这些步骤的梯度时运行配置数量的“GradAccumulationStep”步骤，而不更新模型权重，然后使用累积的梯度来计算权重更新。必须是正整数。
layersToFreeze	string	要冻结模型的层数。必须是正整数。例如，传递 2 作为 'seresnext' 的值意味着冻结 layer0 和 layer1。有关支持的模型的完整列表和图层冻结的详细信息，请参阅： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
learningRate	string	初始学习速率。必须是 [0， 1] 范围内的浮点。
learningRateScheduler	string	学习速率计划程序的类型。必须是“warmup_cosine”或“step”。
modelName	string	要用于训练的模型的名称。有关可用型号的更多信息，请访问官方文档： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
momentum	string	优化器为“zn”时的动量值。必须是 [0， 1] 范围内的浮点。
nesterov	string	优化器为“zn”时启用 nesterov。
numberOfEpochs	string	训练纪元数。必须是正整数。
numberOfWorkers	string	数据加载程序辅助角色数。必须是非负整数。
optimizer	string	优化器的类型。必须是“zn”、“adam”或“adamw”。
randomSeed	string	使用确定性训练时要使用的随机种子。
stepLRGamma	string	当学习速率计划程序为“step”时，gamma 的值。必须是 [0， 1] 范围内的浮点。
stepLRStepSize	string	学习速率计划程序为“step”时步骤大小的值。必须是正整数。
trainingBatchSize	string	训练批大小。必须是正整数。
trainingCropSize	string	训练数据集的神经网络输入的图像裁剪大小。必须是正整数。
validationBatchSize	string	验证批大小。必须是正整数。
validationCropSize	string	输入到神经网络的验证数据集的图像裁剪大小。必须是正整数。
validationResizeSize	string	在裁剪验证数据集之前要调整其大小的图像大小。必须是正整数。
warmupCosineLRCycles	string	学习速率计划程序为“warmup_cosine”时的余弦周期值。必须是 [0， 1] 范围内的浮点。
warmupCosineLRWarmupEpochs	string	当学习速率计划程序为“warmup_cosine”时，预热时期的值。必须是正整数。
weightDecay	string	优化器为“zn”、“adam”或“adamw”时的权重衰减值。必须是范围[0， 1] 中的浮点。
weightedLoss	string	减肥。对于无加权损失，接受的值为 0。 1 用于与 sqrt 一起减肥。（class_weights）。 2 用于减肥与class_weights。必须为 0 或 1 或 2。

ImageModelDistributionSettingsObjectDetection

对象

用于扫描模型设置值的分布表达式。 <示例> 一些例子是：

ModelName = "choice('seresnext', 'resnest50')";
LearningRate = "uniform(0.001, 0.01)";
LayersToFreeze = "choice(0, 2)";
```</example>
For more details on how to compose distribution expressions please check the documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-tune-hyperparameters
For more information on the available settings please visit the official documentation:
https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models.

名称	类型	说明
amsGradient	string	优化器为“adam”或“adamw”时启用 AMSGrad。
augmentations	string	使用扩充的设置。
beta1	string	优化器为“adam”或“adamw”时“beta1”的值。必须是 [0， 1] 范围内的浮点。
beta2	string	优化器为“adam”或“adamw”时“beta2”的值。必须是 [0， 1] 范围内的浮点。
boxDetectionsPerImage	string	每个图像的最大检测数，适用于所有类。必须是正整数。注意：“yolov5”算法不支持此设置。
boxScoreThreshold	string	在推理过程中，仅返回分类分数大于 BoxScoreThreshold 的建议。必须是范围[0， 1] 中的浮点。
distributed	string	是否使用分布式程序训练。
earlyStopping	string	在训练期间启用提前停止逻辑。
earlyStoppingDelay	string	在跟踪主要指标改进以提前停止之前要等待的最小纪元或验证评估数。必须是正整数。
earlyStoppingPatience	string	在停止运行之前没有主要指标改进的最小纪元或验证评估数。必须是正整数。
enableOnnxNormalization	string	导出 ONNX 模型时启用规范化。
evaluationFrequency	string	评估验证数据集以获取指标分数的频率。必须是正整数。
gradientAccumulationStep	string	梯度累积是指在累积这些步骤的梯度时运行配置数量的“GradAccumulationStep”步骤，而不更新模型权重，然后使用累积的梯度来计算权重更新。必须是正整数。
imageSize	string	用于训练和验证的图像大小。必须是正整数。注意：如果大小太大，训练运行可能会进入 CUDA OOM。注意：仅“yolov5”算法支持此设置。
layersToFreeze	string	要冻结模型的层数。必须是正整数。例如，传递 2 作为 'seresnext' 的值意味着冻结 layer0 和 layer1。有关支持的模型的完整列表和图层冻结的详细信息，请参阅： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
learningRate	string	初始学习速率。必须是 [0， 1] 范围内的浮点。
learningRateScheduler	string	学习速率计划程序的类型。必须是“warmup_cosine”或“step”。
maxSize	string	将图像馈送至主干之前要重新缩放的最大大小。必须是正整数。注意：如果大小太大，训练运行可能会进入 CUDA OOM。注意：“yolov5”算法不支持此设置。
minSize	string	将图像馈送到主干之前要重新缩放的最小大小。必须是正整数。注意：如果大小太大，训练运行可能会进入 CUDA OOM。注意：“yolov5”算法不支持此设置。
modelName	string	要用于训练的模型的名称。有关可用型号的更多信息，请访问官方文档： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
modelSize	string	模型大小。必须是“small”、“medium”、“large”或“xlarge”。注意：如果模型大小太大，训练运行可能会进入 CUDA OOM。注意：仅“yolov5”算法支持此设置。
momentum	string	优化器为“zn”时的动量值。必须是 [0， 1] 范围内的浮点。
multiScale	string	按 +/- 50%的不同图像大小启用多缩放图像。注意：如果没有足够的 GPU 内存，训练运行可能会进入 CUDA OOM。注意：仅“yolov5”算法支持此设置。
nesterov	string	优化器为“zn”时启用 nesterov。
nmsIouThreshold	string	在 NMS 后期处理的推理期间使用的 IOU 阈值。必须在 [0， 1] 范围内浮动。
numberOfEpochs	string	训练纪元数。必须是正整数。
numberOfWorkers	string	数据加载程序辅助角色数。必须是非负整数。
optimizer	string	优化器的类型。必须是“zn”、“adam”或“adamw”。
randomSeed	string	使用确定性训练时要使用的随机种子。
stepLRGamma	string	当学习速率计划程序为“step”时，gamma 的值。必须是 [0， 1] 范围内的浮点。
stepLRStepSize	string	学习速率计划程序为“step”时步骤大小的值。必须是正整数。
tileGridSize	string	用于平铺每个图像的网格大小。注意：TileGridSize 不得为 None 才能启用小对象检测逻辑。一个字符串，其中包含两个整数（采用格式）。注意：“yolov5”算法不支持此设置。
tileOverlapRatio	string	每个维度中相邻磁贴之间的重叠比率。必须在 [0， 1] 范围内浮动。注意：“yolov5”算法不支持此设置。
tilePredictionsNmsThreshold	string	用于执行 NMS 的 IOU 阈值，同时合并来自磁贴和图像的预测。用于验证/推理。必须在 [0， 1] 范围内浮动。注意：“yolov5”算法不支持此设置。 NMS：非最大抑制
trainingBatchSize	string	训练批大小。必须是正整数。
validationBatchSize	string	验证批大小。必须是正整数。
validationIouThreshold	string	计算验证指标时要使用的 IOU 阈值。必须在 [0， 1] 范围内浮动。
validationMetricType	string	用于验证指标的指标计算方法。必须是“none”、“coco”、“voc”或“coco_voc”。
warmupCosineLRCycles	string	学习速率计划程序为“warmup_cosine”时的余弦周期值。必须是 [0， 1] 范围内的浮点。
warmupCosineLRWarmupEpochs	string	当学习速率计划程序为“warmup_cosine”时，预热时期的值。必须是正整数。
weightDecay	string	优化器为“zn”、“adam”或“adamw”时的权重衰减值。必须是范围[0， 1] 中的浮点。

ImageModelSettingsClassification

对象

用于训练模型的设置。有关可用设置的更多信息，请访问官方文档： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。

名称	类型	默认值	说明
advancedSettings	string		高级方案的设置。
amsGradient	boolean		优化器为“adam”或“adamw”时启用 AMSGrad。
augmentations	string		使用扩充的设置。
beta1	number (float)		优化器为“adam”或“adamw”时“beta1”的值。必须是 [0， 1] 范围内的浮点。
beta2	number (float)		优化器为“adam”或“adamw”时“beta2”的值。必须是 [0， 1] 范围内的浮点。
checkpointFrequency	integer (int32)		存储模型检查点的频率。必须是正整数。
checkpointModel	MLFlowModelJobInput		用于增量训练的预先训练检查点模型。
checkpointRunId	string		上一次运行的 ID，该运行具有用于增量训练的预先训练检查点。
distributed	boolean		是否使用分布式训练。
earlyStopping	boolean		在训练期间启用提前停止逻辑。
earlyStoppingDelay	integer (int32)		在跟踪主要指标改进以提前停止之前要等待的最小纪元或验证评估数。必须是正整数。
earlyStoppingPatience	integer (int32)		在停止运行之前没有主要指标改进的最小纪元或验证评估数。必须是正整数。
enableOnnxNormalization	boolean		导出 ONNX 模型时启用规范化。
evaluationFrequency	integer (int32)		评估验证数据集以获取指标分数的频率。必须是正整数。
gradientAccumulationStep	integer (int32)		梯度累积是指在累积这些步骤的梯度时运行配置数量的“GradAccumulationStep”步骤，而不更新模型权重，然后使用累积的梯度来计算权重更新。必须是正整数。
layersToFreeze	integer (int32)		要冻结模型的层数。必须是正整数。例如，传递 2 作为 'seresnext' 的值意味着冻结 layer0 和 layer1。有关支持的模型的完整列表和图层冻结的详细信息，请参阅： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
learningRate	number (float)		初始学习速率。必须是 [0， 1] 范围内的浮点。
learningRateScheduler	LearningRateScheduler	None	学习率调度程序枚举。
modelName	string		要用于训练的模型的名称。有关可用型号的更多信息，请访问官方文档： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
momentum	number (float)		优化器为“zn”时的动量值。必须是 [0， 1] 范围内的浮点。
nesterov	boolean		优化器为“zn”时启用 nesterov。
numberOfEpochs	integer (int32)		训练纪元数。必须是正整数。
numberOfWorkers	integer (int32)		数据加载程序辅助角色数。必须是非负整数。
optimizer	StochasticOptimizer	None	图像模型的随机优化器。
randomSeed	integer (int32)		使用确定性训练时要使用的随机种子。
stepLRGamma	number (float)		当学习速率计划程序为“step”时，gamma 的值。必须是 [0， 1] 范围内的浮点。
stepLRStepSize	integer (int32)		学习速率计划程序为“step”时步骤大小的值。必须是正整数。
trainingBatchSize	integer (int32)		训练批大小。必须是正整数。
trainingCropSize	integer (int32)		训练数据集的神经网络输入的图像裁剪大小。必须是正整数。
validationBatchSize	integer (int32)		验证批大小。必须是正整数。
validationCropSize	integer (int32)		输入到神经网络的验证数据集的图像裁剪大小。必须是正整数。
validationResizeSize	integer (int32)		在裁剪验证数据集之前要调整其大小的图像大小。必须是正整数。
warmupCosineLRCycles	number (float)		学习速率计划程序为“warmup_cosine”时的余弦周期值。必须是 [0， 1] 范围内的浮点。
warmupCosineLRWarmupEpochs	integer (int32)		当学习速率计划程序为“warmup_cosine”时，预热时期的值。必须是正整数。
weightDecay	number (float)		优化器为“zn”、“adam”或“adamw”时的权重衰减值。必须是范围[0， 1] 中的浮点。
weightedLoss	integer (int32)		减肥。对于无加权损失，接受的值为 0。 1 用于与 sqrt 一起减肥。（class_weights）。 2 用于减肥与class_weights。必须为 0 或 1 或 2。

ImageModelSettingsObjectDetection

对象

用于训练模型的设置。有关可用设置的更多信息，请访问官方文档： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。

名称	类型	默认值	说明
advancedSettings	string		高级方案的设置。
amsGradient	boolean		优化器为“adam”或“adamw”时启用 AMSGrad。
augmentations	string		使用扩充的设置。
beta1	number (float)		优化器为“adam”或“adamw”时“beta1”的值。必须是 [0， 1] 范围内的浮点。
beta2	number (float)		优化器为“adam”或“adamw”时“beta2”的值。必须是 [0， 1] 范围内的浮点。
boxDetectionsPerImage	integer (int32)		每个图像的最大检测数，适用于所有类。必须是正整数。注意：“yolov5”算法不支持此设置。
boxScoreThreshold	number (float)		在推理过程中，仅返回分类分数大于 BoxScoreThreshold 的建议。必须是范围[0， 1] 中的浮点。
checkpointFrequency	integer (int32)		存储模型检查点的频率。必须是正整数。
checkpointModel	MLFlowModelJobInput		用于增量训练的预先训练检查点模型。
checkpointRunId	string		上一次运行的 ID，该运行具有用于增量训练的预先训练检查点。
distributed	boolean		是否使用分布式训练。
earlyStopping	boolean		在训练期间启用提前停止逻辑。
earlyStoppingDelay	integer (int32)		在跟踪主要指标改进以提前停止之前要等待的最小纪元或验证评估数。必须是正整数。
earlyStoppingPatience	integer (int32)		在停止运行之前没有主要指标改进的最小纪元或验证评估数。必须是正整数。
enableOnnxNormalization	boolean		导出 ONNX 模型时启用规范化。
evaluationFrequency	integer (int32)		评估验证数据集以获取指标分数的频率。必须是正整数。
gradientAccumulationStep	integer (int32)		梯度累积是指在累积这些步骤的梯度时运行配置数量的“GradAccumulationStep”步骤，而不更新模型权重，然后使用累积的梯度来计算权重更新。必须是正整数。
imageSize	integer (int32)		用于训练和验证的图像大小。必须是正整数。注意：如果大小太大，训练运行可能会进入 CUDA OOM。注意：仅“yolov5”算法支持此设置。
layersToFreeze	integer (int32)		要冻结模型的层数。必须是正整数。例如，传递 2 作为 'seresnext' 的值意味着冻结 layer0 和 layer1。有关支持的模型的完整列表和图层冻结的详细信息，请参阅： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
learningRate	number (float)		初始学习速率。必须是 [0， 1] 范围内的浮点。
learningRateScheduler	LearningRateScheduler	None	学习率调度程序枚举。
maxSize	integer (int32)		将图像馈送至主干之前要重新缩放的最大大小。必须是正整数。注意：如果大小太大，训练运行可能会进入 CUDA OOM。注意：“yolov5”算法不支持此设置。
minSize	integer (int32)		将图像馈送到主干之前要重新缩放的最小大小。必须是正整数。注意：如果大小太大，训练运行可能会进入 CUDA OOM。注意：“yolov5”算法不支持此设置。
modelName	string		要用于训练的模型的名称。有关可用型号的更多信息，请访问官方文档： https://docs.microsoft.com/en-us/azure/machine-learning/how-to-auto-train-image-models。
modelSize	ModelSize	None	图像模型大小。
momentum	number (float)		优化器为“zn”时的动量值。必须是 [0， 1] 范围内的浮点。
multiScale	boolean		按 +/- 50%的不同图像大小启用多缩放图像。注意：如果没有足够的 GPU 内存，训练运行可能会进入 CUDA OOM。注意：仅“yolov5”算法支持此设置。
nesterov	boolean		优化器为“zn”时启用 nesterov。
nmsIouThreshold	number (float)		在 NMS 后期处理的推理期间使用的 IOU 阈值。必须是 [0， 1] 范围内的浮点。
numberOfEpochs	integer (int32)		训练纪元数。必须是正整数。
numberOfWorkers	integer (int32)		数据加载程序辅助角色数。必须是非负整数。
optimizer	StochasticOptimizer	None	图像模型的随机优化器。
randomSeed	integer (int32)		使用确定性训练时要使用的随机种子。
stepLRGamma	number (float)		当学习速率计划程序为“step”时，gamma 的值。必须是 [0， 1] 范围内的浮点。
stepLRStepSize	integer (int32)		学习速率计划程序为“step”时步骤大小的值。必须是正整数。
tileGridSize	string		用于平铺每个图像的网格大小。注意：TileGridSize 不得为 None 才能启用小对象检测逻辑。一个字符串，其中包含两个整数（采用格式）。注意：“yolov5”算法不支持此设置。
tileOverlapRatio	number (float)		每个维度中相邻磁贴之间的重叠比率。必须在 [0， 1] 范围内浮动。注意：“yolov5”算法不支持此设置。
tilePredictionsNmsThreshold	number (float)		用于执行 NMS 的 IOU 阈值，同时合并来自磁贴和图像的预测。用于验证/推理。必须在 [0， 1] 范围内浮动。注意：“yolov5”算法不支持此设置。
trainingBatchSize	integer (int32)		训练批大小。必须是正整数。
validationBatchSize	integer (int32)		验证批大小。必须是正整数。
validationIouThreshold	number (float)		计算验证指标时要使用的 IOU 阈值。必须在 [0， 1] 范围内浮动。
validationMetricType	ValidationMetricType	None	用于图像任务中验证指标的指标计算方法。
warmupCosineLRCycles	number (float)		学习速率计划程序为“warmup_cosine”时的余弦周期值。必须是 [0， 1] 范围内的浮点。
warmupCosineLRWarmupEpochs	integer (int32)		当学习速率计划程序为“warmup_cosine”时，预热时期的值。必须是正整数。
weightDecay	number (float)		优化器为“zn”、“adam”或“adamw”时的权重衰减值。必须是范围[0， 1] 中的浮点。

ImageObjectDetection

对象

图像对象检测。对象检测用于识别图像中的对象并使用边界框定位每个对象，例如定位图像中的所有狗和猫，并在每个对象周围绘制一个边界框。

名称	类型	默认值	说明
limitSettings	ImageLimitSettings		[必需]限制 AutoML 作业的设置。
logVerbosity	LogVerbosity	Info	用于设置日志详细程度的枚举。
modelSettings	ImageModelSettingsObjectDetection		用于训练模型的设置。
primaryMetric	ObjectDetectionPrimaryMetrics	MeanAveragePrecision	图像对象检测任务的主要指标。
searchSpace	ImageModelDistributionSettingsObjectDetection[]		用于采样模型及其超参数的不同组合的搜索空间。
sweepSettings	ImageSweepSettings		模型扫描和超参数扫描相关设置。
targetColumnName	string		目标列名称：这是预测值列。也称为分类任务的上下文中的标签列名称。
taskType	string: ImageObjectDetection		[必需]AutoMLJob 的任务类型。
trainingData	MLTableJobInput		[必需]训练数据输入。
validationData	MLTableJobInput		验证数据输入。
validationDataSize	number (double)		需要留出用于验证的定型数据集的分数。介于（0.0 ， 1.0）之间的值未提供验证数据集时应用。

ImageSweepSettings

对象

模型扫描和超参数扫描相关设置。

名称	类型	说明
earlyTermination	EarlyTerminationPolicy: BanditPolicy MedianStoppingPolicy TruncationSelectionPolicy	提前终止策略的类型。
samplingAlgorithm	SamplingAlgorithmType	[必需]超参数采样算法的类型。

InputDeliveryMode

枚举

枚举以确定输入数据传递模式。

值	说明
ReadOnlyMount
ReadWriteMount
Download
Direct
EvalMount
EvalDownload

InstanceSegmentationPrimaryMetrics

枚举

InstanceSegmentation 任务的主要指标。

值	说明
MeanAveragePrecision	平均精度（MAP）是 AP（平均精度）的平均值。计算每个类的 AP 并取平均值以获得 MAP。

JobBase

对象

Azure 资源管理器资源信封。

名称	类型	说明
id	string	资源的完全限定资源 ID。示例 - /subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/{resourceProviderNamespace}/{resourceType}/{resourceName}
name	string	资源的名称
properties	JobBaseProperties: AutoMLJob CommandJob PipelineJob SparkJob SweepJob	[必需]实体的其他属性。
systemData	systemData	包含 createdBy 和 modifiedBy 信息的 Azure 资源管理器元数据。
type	string	资源类型。例如“Microsoft.Compute/virtualMachines”或“Microsoft.Storage/storageAccounts”

JobInputType

枚举

枚举以确定作业输入类型。

值	说明
literal
uri_file
uri_folder
mltable
custom_model
mlflow_model
triton_model

JobLimitsType

枚举

值	说明
Command
Sweep

JobOutputType

枚举

枚举以确定作业输出类型。

值	说明
uri_file
uri_folder
mltable
custom_model
mlflow_model
triton_model

JobResourceConfiguration

对象

名称	类型	默认值	说明
dockerArgs	string		要传递给 Docker run 命令的额外参数。这将替代系统设置的任何参数，或在本部分中。此参数仅支持 Azure ML 计算类型。
dockerArgsList	string[]		作为集合传递给 Docker run 命令的额外参数。这将替代系统设置的任何参数，或在本部分中。此参数仅支持 Azure ML 计算类型。
instanceCount	integer (int32)	1	计算目标使用的实例或节点数可选。
instanceType	string		计算目标支持的可选 VM 类型。
properties			其他属性包。
shmSize	string pattern: \d+[bBkKmMgG]	2g	docker 容器的共享内存块的大小。这应采用（number）（unit）格式，其中数字大于 0，单位可以是 b（字节）、k（千字节）、m（兆字节）或 g（GB）。

JobService

对象

作业端点定义

名称	类型	说明
endpoint	string	终结点的 URL。
errorMessage	string	服务中的任何错误。
jobServiceType	string	终结点类型。
nodes	Nodes: AllNodes	用户希望启动服务的节点。如果未将 Nodes 设置为 null，则服务将仅在领导节点上启动。
port	integer (int32)	终结点的端口。
properties	object	在终结点上设置的其他属性。
status	string	终结点的状态。

JobStatus

枚举

作业的状态。

值	说明
NotStarted	跑步还没有开始。
Starting	跑步已经开始了。用户具有运行 ID。
Provisioning	（目前未使用）如果 ES 正在创建计算目标，则将使用它。
Preparing	运行环境正在准备中。
Queued	作业在计算目标中排队。例如，在 BatchAI 中，作业处于排队状态，同时等待所有必需的节点准备就绪。
Running	作业开始在计算目标中运行。
Finalizing	作业在目标中完成。它现在处于输出收集状态。
CancelRequested	已请求取消该作业。
Completed	作业已成功完成。这反映了作业本身和输出收集状态都已成功完成
Failed	作业失败。
Canceled	在取消请求之后，作业现在已成功取消。
NotResponding	启用检测信号后，如果运行未将任何信息更新到 RunHistory，则运行将进入 NotResponding 状态。 NotResponding 是唯一不受严格转换命令约束的状态。运行可以从 NotResponding 转到之前的任何状态。
Paused	作业由用户暂停。只能在暂停状态下对标记作业进行一些调整。
Unknown	默认作业状态（如果未映射到所有其他状态）

JobTier

枚举

用于确定作业层的枚举。

值	说明
Null
Spot
Basic
Standard
Premium

JobType

枚举

枚举以确定作业类型。

值	说明
AutoML
Command
Sweep
Pipeline
Spark

LearningRateScheduler

枚举

学习率调度程序枚举。

值	说明
None	未选择学习率调度程序。
WarmupCosine	余弦退火与预热。
Step	步进学习率调度器。

LiteralJobInput

对象

文字输入类型。

名称	类型	说明
description	string	输入的说明。
jobInputType	string: literal	[必需]指定作业的类型。
value	string minLength: 1 pattern: [a-zA-Z0-9_]	[必需]输入的文本值。

LogVerbosity

枚举

用于设置日志详细程度的枚举。

值	说明
NotSet	不发出任何日志。
Debug	已记录 Debug 及以上日志语句。
Info	Info 和上述日志语句。
Warning	已记录警告及以上日志语句。
Error	记录了错误和上述日志语句。
Critical	仅记录关键语句。

ManagedIdentity

对象

托管标识配置。

名称	类型	说明
clientId	string (uuid)	按客户端 ID 指定用户分配的标识。对于系统分配，请不要设置此字段。
identityType	string: Managed	[必需]指定标识框架的类型。
objectId	string (uuid)	按对象 ID 指定用户分配的标识。对于系统分配，请不要设置此字段。
resourceId	string	按 ARM 资源 ID 指定用户分配的标识。对于系统分配，请不要设置此字段。

MedianStoppingPolicy

对象

根据所有运行的主要指标的运行平均值定义提前终止策略

名称	类型	默认值	说明
delayEvaluation	integer (int32)	0	延迟第一次计算的间隔数。
evaluationInterval	integer (int32)	0	策略评估之间的间隔（运行数）。
policyType	string: MedianStopping		[必需]策略配置的名称

MLFlowModelJobInput

对象

名称	类型	默认值	说明
description	string		输入的说明。
jobInputType	string: mlflow_model		[必需]指定作业的类型。
mode	InputDeliveryMode	ReadOnlyMount	枚举以确定输入数据传递模式。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]输入资产 URI。

MLFlowModelJobOutput

对象

名称	类型	默认值	说明
assetName	string		输出资产名称。
description	string		输出的说明。
jobOutputType	string: mlflow_model		[必需]指定作业的类型。
mode	OutputDeliveryMode	ReadWriteMount	输出数据传递模式枚举。
uri	string		输出资产 URI。

MLTableJobInput

对象

名称	类型	默认值	说明
description	string		输入的说明。
jobInputType	string: mltable		[必需]指定作业的类型。
mode	InputDeliveryMode	ReadOnlyMount	枚举以确定输入数据传递模式。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]输入资产 URI。

MLTableJobOutput

对象

名称	类型	默认值	说明
assetName	string		输出资产名称。
description	string		输出的说明。
jobOutputType	string: mltable		[必需]指定作业的类型。
mode	OutputDeliveryMode	ReadWriteMount	输出数据传递模式枚举。
uri	string		输出资产 URI。

ModelSize

枚举

图像模型大小。

值	说明
None	未选择任何值。
Small	体积小。
Medium	中等尺寸。
Large	大尺寸。
ExtraLarge	超大尺寸。

Mpi

对象

MPI 分发配置。

名称	类型	说明
distributionType	string: Mpi	[必需]指定分发框架的类型。
processCountPerInstance	integer (int32)	每个 MPI 节点的进程数。

NCrossValidationsMode

枚举

确定如何确定 N-Cross 验证值。

值	说明
Auto	自动确定 N-Cross 验证值。仅支持“预测”AutoML 任务。
Custom	使用自定义 N-Cross 验证值。

NlpVerticalFeaturizationSettings

对象

名称	类型	说明
datasetLanguage	string	数据集语言，适用于文本数据。

NlpVerticalLimitSettings

对象

作业执行约束。

名称	类型	默认值	说明
maxConcurrentTrials	integer (int32)	1	最大并发 AutoML 迭代次数。
maxTrials	integer (int32)	1	AutoML 迭代数。
timeout	string (duration)	P7D	AutoML 作业超时。

NodesValueType

枚举

节点值的枚举类型

值	说明
All

NotificationSetting

对象

通知的配置。

名称	类型	说明
emailOn	EmailNotificationEnableType[]	在指定的通知类型上向用户发送电子邮件通知
emails	string[]	这是电子邮件收件人列表，限制为 499 个字符的总 concat 和逗号分隔符
webhooks	object	将 Webhook 回调发送到服务。密钥是 Webhook 的用户提供的名称。

ObjectDetectionPrimaryMetrics

枚举

图像对象检测任务的主要指标。

值	说明
MeanAveragePrecision	平均精度（MAP）是 AP（平均精度）的平均值。计算每个类的 AP 并取平均值以获得 MAP。

Objective

对象

优化目标。

名称	类型	说明
goal	Goal	[必需]定义超参数优化支持的指标目标
primaryMetric	string minLength: 1 pattern: [a-zA-Z0-9_]	[必需]要优化的指标的名称。

OutputDeliveryMode

枚举

输出数据传递模式枚举。

值	说明
ReadWriteMount
Upload
Direct

PipelineJob

对象

管道作业定义：定义通用到 MFE 属性。

名称	类型	默认值	说明
componentId	string		组件资源的 ARM 资源 ID。
computeId	string		计算资源的 ARM 资源 ID。
description	string		资产说明文本。
displayName	string		作业的显示名称。
experimentName	string	Default	作业所属的试验的名称。如果未设置，作业将放置在“默认”试验中。
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		标识配置。如果已设置，则应为 AmlToken、ManagedIdentity、UserIdentity 或 null 之一。如果为 null，则默认为 AmlToken。
inputs	object		管道作业的输入。
isArchived	boolean	False	资产是否已存档？
jobType	string: Pipeline		[必需]指定作业的类型。
jobs			作业构造管道作业。
notificationSetting	NotificationSetting		作业的通知设置
outputs	object		管道作业的输出
properties	object		资产属性字典。
services	<string, JobService>		JobEndpoints 列表。对于本地作业，作业终结点的终结点值为 FileStreamObject。
settings			管道设置，例如 ContinueRunOnStepFailure 等。
sourceJobId	string		源作业的 ARM 资源 ID。
status	JobStatus		作业状态。
tags	object		标记字典。可以添加、删除和更新标记。

PyTorch

对象

PyTorch 分发配置。

名称	类型	说明
distributionType	string: PyTorch	[必需]指定分发框架的类型。
processCountPerInstance	integer (int32)	每个节点的进程数。

QueueSettings

对象

名称	类型	默认值	说明
jobTier	JobTier	Null	用于确定作业层的枚举。

RandomSamplingAlgorithm

对象

定义随机生成值的采样算法

名称	类型	默认值	说明
rule	RandomSamplingAlgorithmRule	Random	随机算法的特定类型
samplingAlgorithmType	string: Random		[必需]用于生成超参数值的算法以及配置属性
seed	integer (int32)		用作随机数生成的种子的可选整数

RandomSamplingAlgorithmRule

枚举

随机算法的特定类型

值	说明
Random
Sobol

Regression

对象

AutoML Table 垂直中的回归任务。

名称	类型	默认值	说明
cvSplitColumnNames	string[]		用于 CVSplit 数据的列。
featurizationSettings	TableVerticalFeaturizationSettings		AutoML 作业所需的特征化输入。
limitSettings	TableVerticalLimitSettings		AutoMLJob 的执行约束。
logVerbosity	LogVerbosity	Info	用于设置日志详细程度的枚举。
nCrossValidations	NCrossValidations: AutoNCrossValidations CustomNCrossValidations		未提供验证数据集时要应用于训练数据集的交叉验证折叠数。
primaryMetric	RegressionPrimaryMetrics	NormalizedRootMeanSquaredError	回归任务的主要指标。
targetColumnName	string		目标列名称：这是预测值列。也称为分类任务的上下文中的标签列名称。
taskType	string: Regression		[必需]AutoMLJob 的任务类型。
testData	MLTableJobInput		测试数据输入。
testDataSize	number (double)		需要为验证目的预留的测试数据集的分数。介于（0.0 ， 1.0）之间的值未提供验证数据集时应用。
trainingData	MLTableJobInput		[必需]训练数据输入。
trainingSettings	RegressionTrainingSettings		AutoML 作业训练阶段的输入。
validationData	MLTableJobInput		验证数据输入。
validationDataSize	number (double)		需要留出用于验证的定型数据集的分数。介于（0.0 ， 1.0）之间的值未提供验证数据集时应用。
weightColumnName	string		示例权重列的名称。自动化 ML 支持加权列作为输入，导致数据中的行向上或向下加权。

RegressionModels

枚举

AutoML 支持的所有回归模型的枚举。

值	说明
ElasticNet	弹性网络是一种流行的正则化线性回归类型，它结合了两种流行的惩罚，特别是 L1 和 L2 惩罚函数。
GradientBoosting	将周学习者转变为强学习者的技术称为提升。梯度提升算法过程基于这种执行理论。
DecisionTree	决策树是一种非参数监督学习方法，用于分类和回归任务。目标是创建一个模型，通过学习从数据特征推断的简单决策规则来预测目标变量的值。
KNN	K 最近邻（KNN）算法使用“特征相似性”来预测新数据点的值，这进一步意味着新数据点将根据它与训练集中点的匹配程度分配一个值。
LassoLars	套索模型拟合最小角度回归又名 Lars。它是一个线性模型，使用 L1 先验作为正则化器进行训练。
SGD	SGD：随机梯度下降是一种优化算法，常用于机器学习应用，用于找到与预测输出和实际输出之间最佳拟合相对应的模型参数。这是一种不精确但强大的技术。
RandomForest	随机森林是一种监督学习算法。它构建的“森林”是决策树的集合，通常使用“装袋”方法进行训练。套袋方法的总体思路是学习模型的组合增加了整体结果。
ExtremeRandomTrees	Extreme Trees 是一种集成机器学习算法，它结合了许多决策树的预测。它与广泛使用的随机森林算法有关。
LightGBM	LightGBM 是一个梯度提升框架，它使用基于树的学习算法。
XGBoostRegressor	XGBoostRegressor：Extreme Gradient Boosting Regressor 是一种使用基本学习器集成的监督机器学习模型。

RegressionPrimaryMetrics

枚举

回归任务的主要指标。

值	说明
SpearmanCorrelation	斯皮尔曼秩相关系数是秩相关性的非参数度量。
NormalizedRootMeanSquaredError	归一化均方根误差（NRMSE） RMSE 有助于不同尺度模型之间的比较。
R2Score	R2 分数是基于预测的机器学习模型的性能评估度量之一。
NormalizedMeanAbsoluteError	归一化平均绝对误差（NMAE）是一种验证指标，用于比较不同尺度的（时间）序列的平均绝对误差（MAE）。

RegressionTrainingSettings

对象

回归训练相关配置。

名称	类型	默认值	说明
allowedTrainingAlgorithms	RegressionModels[]		回归任务的允许模型。
blockedTrainingAlgorithms	RegressionModels[]		回归任务的阻止模型。
enableDnnTraining	boolean	False	启用 DNN 模型的建议。
enableModelExplainability	boolean	True	标志以在最佳模型上启用可解释性。
enableOnnxCompatibleModels	boolean	False	用于启用 onnx 兼容模型的标志。
enableStackEnsemble	boolean	True	启用堆栈合奏运行。
enableVoteEnsemble	boolean	True	启用投票合奏运行。
ensembleModelDownloadTimeout	string (duration)	PT5M	在 VotingEnsemble 和 StackEnsemble 模型生成期间，将下载先前子运行中的多个拟合模型。如果需要更多时间，请将此参数配置为大于 300 秒的值。
stackEnsembleSettings	StackEnsembleSettings		堆栈合奏的堆栈合奏设置。

SamplingAlgorithmType

枚举

值	说明
Grid
Random
Bayesian

SeasonalityMode

枚举

预测季节性模式。

值	说明
Auto	季节性将自动确定。
Custom	使用自定义季节性值。

ShortSeriesHandlingConfiguration

枚举

定义 AutoML 如何处理短时序的参数。

值	说明
None	表示无/空值。
Auto	如果没有长系列，短系列将被填充，否则短系列将被删除。
Pad	所有短剧都将被填充。
Drop	所有短剧都将被删除。

SparkJob

对象

Spark 作业定义。

名称	类型	默认值	说明
archives	string[]		存档作业中使用的文件。
args	string		作业的参数。
codeId	string (arm-id) minLength: 1 pattern: [a-zA-Z0-9_]		[必需] 代码资产的 arm-id。
componentId	string		组件资源的 ARM 资源 ID。
computeId	string		计算资源的 ARM 资源 ID。
conf	object		Spark 配置的属性。
description	string		资产说明文本。
displayName	string		作业的显示名称。
entry	SparkJobEntry: SparkJobPythonEntry SparkJobScalaEntry		[必需]在启动作业时要执行的条目。
environmentId	string (arm-id)		作业的环境规范的 ARM 资源 ID。
environmentVariables	object		作业中包含的环境变量。
experimentName	string	Default	作业所属的试验的名称。如果未设置，作业将放置在“默认”试验中。
files	string[]		作业中使用的文件。
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		标识配置。如果已设置，则应为 AmlToken、ManagedIdentity、UserIdentity 或 null 之一。如果为 null，则默认为 AmlToken。
inputs	object		作业中使用的输入数据绑定的映射。
isArchived	boolean	False	资产是否已存档？
jars	string[]		作业中使用的 Jar 文件。
jobType	string: Spark		[必需]指定作业的类型。
notificationSetting	NotificationSetting		作业的通知设置
outputs	object		作业中使用的输出数据绑定的映射。
properties	object		资产属性字典。
pyFiles	string[]		作业中使用的 Python 文件。
queueSettings	QueueSettings		作业的队列设置
resources	SparkResourceConfiguration		作业的计算资源配置。
services	<string, JobService>		JobEndpoints 列表。对于本地作业，作业终结点的终结点值为 FileStreamObject。
status	JobStatus		作业状态。
tags	object		标记字典。可以添加、删除和更新标记。

SparkJobEntryType

枚举

值	说明
SparkJobPythonEntry
SparkJobScalaEntry

SparkJobPythonEntry

对象

名称	类型	说明
file	string minLength: 1 pattern: [a-zA-Z0-9_]	[必需]作业入口点的相对 python 文件路径。
sparkJobEntryType	string: SparkJobPythonEntry	[必需]作业入口点的类型。

SparkJobScalaEntry

对象

名称	类型	说明
className	string minLength: 1 pattern: [a-zA-Z0-9_]	[必需]用作入口点的 Scala 类名称。
sparkJobEntryType	string: SparkJobScalaEntry	[必需]作业入口点的类型。

SparkResourceConfiguration

对象

名称	类型	默认值	说明
instanceType	string		计算目标支持的可选 VM 类型。
runtimeVersion	string	3.1	用于作业的 spark 运行时的版本。

StackEnsembleSettings

对象

用于自定义 StackEnsemble 运行的高级设置。

名称	类型	默认值	说明
stackMetaLearnerKWargs			要传递给元学习器初始值设定项的可选参数。
stackMetaLearnerTrainPercentage	number (double)	0.2	指定要保留用于训练元学习者的训练集（选择训练和训练类型的训练）的比例。默认值为 0.2。
stackMetaLearnerType	StackMetaLearnerType	None	元学习器是一个基于各个异构模型输出训练的模型。\r\n默认的元学习器是用于分类任务的LogisticRegression（如果启用交叉验证则用LogisticRegressionCV），用于回归/预测任务的ElasticNet（或启用交叉验证则用ElasticNetCV）。\r\n该参数可以是以下字符串之一：LogisticRegression、LogisticRegressionCV、LightGBMClassifier、ElasticNet、ElasticNetCV、LightGBMRegressor 或 LinearRegression

StackMetaLearnerType

枚举

元学习器是一个基于各个异构模型输出训练的模型。\r\n默认的元学习器是用于分类任务的LogisticRegression（如果启用交叉验证则用LogisticRegressionCV），用于回归/预测任务的ElasticNet（或启用交叉验证则用ElasticNetCV）。\r\n该参数可以是以下字符串之一：LogisticRegression、LogisticRegressionCV、LightGBMClassifier、ElasticNet、ElasticNetCV、LightGBMRegressor 或 LinearRegression

值	说明
None
LogisticRegression	默认元学习器是用于分类任务的 LogisticRegression。
LogisticRegressionCV	当 CV 打开时，默认元学习器是分类任务的 LogisticRegression。
LightGBMClassifier
ElasticNet	默认元学习器是回归任务的 LogisticRegression。
ElasticNetCV	当 CV 打开时，默认元学习器是回归任务的 LogisticRegression。
LightGBMRegressor
LinearRegression

StochasticOptimizer

枚举

图像模型的随机优化器。

值	说明
None	未选择优化器。
Sgd	随机梯度下降优化器。
Adam	Adam 是一种基于矩的自适应估计优化随机目标函数的算法
Adamw	AdamW 是优化器 Adam 的变体，它改进了权重衰减的实现。

SweepJob

对象

扫描作业定义。

名称	类型	默认值	说明
componentId	string		组件资源的 ARM 资源 ID。
computeId	string		计算资源的 ARM 资源 ID。
description	string		资产说明文本。
displayName	string		作业的显示名称。
earlyTermination	EarlyTerminationPolicy: BanditPolicy MedianStoppingPolicy TruncationSelectionPolicy		提前终止策略可在完成之前取消性能不佳的运行
experimentName	string	Default	作业所属的试验的名称。如果未设置，作业将放置在“默认”试验中。
identity	IdentityConfiguration: AmlToken ManagedIdentity UserIdentity		标识配置。如果已设置，则应为 AmlToken、ManagedIdentity、UserIdentity 或 null 之一。如果为 null，则默认为 AmlToken。
inputs	object		作业中使用的输入数据绑定的映射。
isArchived	boolean	False	资产是否已存档？
jobType	string: Sweep		[必需]指定作业的类型。
limits	SweepJobLimits		扫描作业限制。
notificationSetting	NotificationSetting		作业的通知设置
objective	Objective		[必需]优化目标。
outputs	object		作业中使用的输出数据绑定的映射。
properties	object		资产属性字典。
queueSettings	QueueSettings		作业的队列设置
samplingAlgorithm	SamplingAlgorithm: BayesianSamplingAlgorithm GridSamplingAlgorithm RandomSamplingAlgorithm		[必需]超参数采样算法
searchSpace			[必需]包含每个参数及其分布的字典。字典键是参数的名称
services	<string, JobService>		JobEndpoints 列表。对于本地作业，作业终结点的终结点值为 FileStreamObject。
status	JobStatus		作业状态。
tags	object		标记字典。可以添加、删除和更新标记。
trial	TrialComponent		[必需]试用组件定义。

SweepJobLimits

对象

扫描作业限制类。

名称	类型	说明
jobLimitsType	string: Sweep	[必需]JobLimit 类型。
maxConcurrentTrials	integer (int32)	扫描作业最大并发试用版。
maxTotalTrials	integer (int32)	扫描作业最大总试用版数。
timeout	string (duration)	ISO 8601 格式的最大运行持续时间，之后作业将被取消。仅支持精度为秒的持续时间。
trialTimeout	string (duration)	扫描作业试用超时值。

systemData

对象

与创建和上次修改资源相关的元数据。

名称	类型	说明
createdAt	string (date-time)	资源创建时间戳（UTC）。
createdBy	string	创建资源的标识。
createdByType	createdByType	创建资源的标识的类型。
lastModifiedAt	string (date-time)	资源上次修改的时间戳（UTC）
lastModifiedBy	string	上次修改资源的标识。
lastModifiedByType	createdByType	上次修改资源的标识的类型。

TableVerticalFeaturizationSettings

对象

特征化配置。

名称	类型	默认值	说明
blockedTransformers	BlockedTransformers[]		这些转换器不应用于特征化。
columnNameAndTypes	object		列名及其类型（int、float、string、datetime 等）的字典。
datasetLanguage	string		数据集语言，适用于文本数据。
enableDnnFeaturization	boolean	False	确定是否使用基于 Dnn 的特征化器进行数据特征化。
mode	FeaturizationMode	Auto	特征化模式 - 用户可以保留默认的“自动”模式，AutoML 将负责在特征化阶段对数据进行必要的转换。如果选择了“关闭”，则不会完成特征化。如果选择“自定义”，则用户可以指定其他输入以自定义特征化完成方式。
transformerParams	object		用户可以指定要用于的其他转换器以及要向其应用它的列以及转换器构造函数的参数。

TableVerticalLimitSettings

对象

作业执行约束。

名称	类型	默认值	说明
enableEarlyTermination	boolean	True	启用提前终止，确定如果最近 20 次迭代中没有分数改进，AutoMLJob 是否会提前终止。
exitScore	number (double)		AutoML 作业的退出分数。
maxConcurrentTrials	integer (int32)	1	最大并发迭代数。
maxCoresPerTrial	integer (int32)	-1	每次迭代的最大核心数。
maxTrials	integer (int32)	1000	迭代数。
timeout	string (duration)	PT6H	AutoML 作业超时。
trialTimeout	string (duration)	PT30M	迭代超时。

TargetAggregationFunction

枚举

目标聚合函数。

值	说明
None	表示没有值集。
Sum
Max
Min
Mean

TargetLagsMode

枚举

目标滞后选择模式。

值	说明
Auto	目标滞后将自动确定。
Custom	使用自定义目标滞后。

TargetRollingWindowSizeMode

枚举

目标滚动窗口大小模式。

值	说明
Auto	自动确定滚动窗口大小。
Custom	使用指定的滚动窗口大小。

TaskType

枚举

AutoMLJob 任务类型。

值	说明
Classification	机器学习和统计学中的分类是一种监督学习方法，其中计算机程序从给定给它的数据中学习并做出新的观察或分类。
Regression	回归是指使用输入数据预测值。回归模型用于预测连续值。
Forecasting	预测是一种特殊的回归任务，它处理时间序列数据并创建预测模型，该模型可用于根据输入预测近期的值。
ImageClassification	图像分类。当图像仅使用一组类中的单个标签进行分类时，使用多类图像分类 - 例如，每个图像被分类为“猫”或“狗”或“鸭子”的图像。
ImageClassificationMultilabel	图像分类多标签。当图像可以具有一组标签中的一个或多个标签时，使用多标签图像分类 - 例如，图像可以同时标记为“猫”和“狗”。
ImageObjectDetection	图像对象检测。对象检测用于识别图像中的对象并使用边界框定位每个对象，例如定位图像中的所有狗和猫，并在每个对象周围绘制一个边界框。
ImageInstanceSegmentation	图像实例分割。实例分割用于在像素级别识别图像中的对象，在图像中的每个对象周围绘制一个多边形。
TextClassification	文本分类（也称为文本标记或文本分类）是将文本分类的过程。类别是相互排斥的。
TextClassificationMultilabel	多标签分类任务将每个样本分配给一组（零个或多个）目标标签。
TextNER	文本命名实体识别，又名 TextNER。命名实体识别（NER）是获取自由格式文本并识别人员、位置、组织等实体出现的能力。

TensorFlow

对象

TensorFlow 分布配置。

名称	类型	默认值	说明
distributionType	string: TensorFlow		[必需]指定分发框架的类型。
parameterServerCount	integer (int32)	0	参数服务器任务数。
workerCount	integer (int32)		工人数。如果未指定，则默认为实例计数。

TextClassification

对象

AutoML NLP 垂直版中的文本分类任务。 NLP - 自然语言处理。

名称	类型	默认值	说明
featurizationSettings	NlpVerticalFeaturizationSettings		AutoML 作业所需的特征化输入。
limitSettings	NlpVerticalLimitSettings		AutoMLJob 的执行约束。
logVerbosity	LogVerbosity	Info	用于设置日志详细程度的枚举。
primaryMetric	ClassificationPrimaryMetrics	Accuracy	分类任务的主要指标。
targetColumnName	string		目标列名称：这是预测值列。也称为分类任务的上下文中的标签列名称。
taskType	string: TextClassification		[必需]AutoMLJob 的任务类型。
trainingData	MLTableJobInput		[必需]训练数据输入。
validationData	MLTableJobInput		验证数据输入。

TextClassificationMultilabel

对象

AutoML NLP 垂直领域的文本分类多标签任务。 NLP - 自然语言处理。

名称	类型	默认值	说明
featurizationSettings	NlpVerticalFeaturizationSettings		AutoML 作业所需的特征化输入。
limitSettings	NlpVerticalLimitSettings		AutoMLJob 的执行约束。
logVerbosity	LogVerbosity	Info	用于设置日志详细程度的枚举。
primaryMetric	ClassificationMultilabelPrimaryMetrics		文本 -Classification-Multilabel 任务的主要指标。目前仅支持准确度作为主要指标，因此用户无需显式设置。
targetColumnName	string		目标列名称：这是预测值列。也称为分类任务的上下文中的标签列名称。
taskType	string: TextClassificationMultilabel		[必需]AutoMLJob 的任务类型。
trainingData	MLTableJobInput		[必需]训练数据输入。
validationData	MLTableJobInput		验证数据输入。

TextNer

对象

AutoML NLP 垂直 Text-NER 任务。 NER - 命名实体识别。 NLP - 自然语言处理。

名称	类型	默认值	说明
featurizationSettings	NlpVerticalFeaturizationSettings		AutoML 作业所需的特征化输入。
limitSettings	NlpVerticalLimitSettings		AutoMLJob 的执行约束。
logVerbosity	LogVerbosity	Info	用于设置日志详细程度的枚举。
primaryMetric	ClassificationPrimaryMetrics		Text-NER 任务的主要指标。 Text-NER 仅支持“准确性”，因此用户无需显式设置。
targetColumnName	string		目标列名称：这是预测值列。也称为分类任务的上下文中的标签列名称。
taskType	string: TextNER		[必需]AutoMLJob 的任务类型。
trainingData	MLTableJobInput		[必需]训练数据输入。
validationData	MLTableJobInput		验证数据输入。

TrialComponent

对象

试用组件定义。

名称	类型	说明
codeId	string	代码资产的 ARM 资源 ID。
command	string minLength: 1 pattern: [a-zA-Z0-9_]	[必需]在启动作业时执行的命令。 eg. “python train.py”
distribution	DistributionConfiguration: Mpi PyTorch TensorFlow	作业的分发配置。如果已设置，则应为 Mpi、Tensorflow、PyTorch 或 null 之一。
environmentId	string minLength: 1 pattern: [a-zA-Z0-9_]	[必需]作业的环境规范的 ARM 资源 ID。
environmentVariables	object	作业中包含的环境变量。
resources	JobResourceConfiguration	作业的计算资源配置。

TritonModelJobInput

对象

名称	类型	默认值	说明
description	string		输入的说明。
jobInputType	string: triton_model		[必需]指定作业的类型。
mode	InputDeliveryMode	ReadOnlyMount	枚举以确定输入数据传递模式。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]输入资产 URI。

TritonModelJobOutput

对象

名称	类型	默认值	说明
assetName	string		输出资产名称。
description	string		输出的说明。
jobOutputType	string: triton_model		[必需]指定作业的类型。
mode	OutputDeliveryMode	ReadWriteMount	输出数据传递模式枚举。
uri	string		输出资产 URI。

TruncationSelectionPolicy

对象

定义提前终止策略，该策略在每个评估间隔内取消给定百分比的运行。

名称	类型	默认值	说明
delayEvaluation	integer (int32)	0	延迟第一次计算的间隔数。
evaluationInterval	integer (int32)	0	策略评估之间的间隔（运行数）。
policyType	string: TruncationSelection		[必需]策略配置的名称
truncationPercentage	integer (int32)	0	要在每个评估间隔取消的运行百分比。

UriFileJobInput

对象

名称	类型	默认值	说明
description	string		输入的说明。
jobInputType	string: uri_file		[必需]指定作业的类型。
mode	InputDeliveryMode	ReadOnlyMount	枚举以确定输入数据传递模式。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]输入资产 URI。

UriFileJobOutput

对象

名称	类型	默认值	说明
assetName	string		输出资产名称。
description	string		输出的说明。
jobOutputType	string: uri_file		[必需]指定作业的类型。
mode	OutputDeliveryMode	ReadWriteMount	输出数据传递模式枚举。
uri	string		输出资产 URI。

UriFolderJobInput

对象

名称	类型	默认值	说明
description	string		输入的说明。
jobInputType	string: uri_folder		[必需]指定作业的类型。
mode	InputDeliveryMode	ReadOnlyMount	枚举以确定输入数据传递模式。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]输入资产 URI。

UriFolderJobOutput

对象

名称	类型	默认值	说明
assetName	string		输出资产名称。
description	string		输出的说明。
jobOutputType	string: uri_folder		[必需]指定作业的类型。
mode	OutputDeliveryMode	ReadWriteMount	输出数据传递模式枚举。
uri	string		输出资产 URI。

UserIdentity

对象

用户标识配置。

名称	类型	说明
identityType	string: UserIdentity	[必需]指定标识框架的类型。

UseStl

枚举

配置时序目标列的 STL 分解。

值	说明
None	无 stl 分解。
Season
SeasonTrend

ValidationMetricType

枚举

用于图像任务中验证指标的指标计算方法。

值	说明
None	没有指标。
Coco	可可度量。
Voc	VOC 指标。
CocoVoc	CocoVoc 指标。

WebhookType

枚举

枚举来确定 Webhook 回调服务类型。

值	说明
AzureDevOps

通过

Jobs - Create Or Update

URI 参数

请求正文

响应

安全性

azure_auth

作用域

示例

CreateOrUpdate AutoML Job.

示例请求

示例响应

CreateOrUpdate Command Job.

示例请求

示例响应

CreateOrUpdate Pipeline Job.

示例请求

示例响应

CreateOrUpdate Sweep Job.

示例请求

示例响应

定义

AllNodes

AmlToken

AutoForecastHorizon

AutoMLJob

AutoNCrossValidations

AutoSeasonality

AutoTargetLags

AutoTargetRollingWindowSize

AzureDevOpsWebhook

BanditPolicy

BayesianSamplingAlgorithm

BlockedTransformers

Classification

ClassificationModels

ClassificationMultilabelPrimaryMetrics

ClassificationPrimaryMetrics

ClassificationTrainingSettings

CommandJob

CommandJobLimits

createdByType

CustomForecastHorizon

CustomModelJobInput

CustomModelJobOutput

CustomNCrossValidations

CustomSeasonality

CustomTargetLags

CustomTargetRollingWindowSize

DistributionType

EarlyTerminationPolicyType

EmailNotificationEnableType

ErrorAdditionalInfo

ErrorDetail

ErrorResponse

FeatureLags

FeaturizationMode

ForecastHorizonMode

Forecasting

ForecastingModels

ForecastingPrimaryMetrics

ForecastingSettings

ForecastingTrainingSettings

Goal

GridSamplingAlgorithm

IdentityConfigurationType

ImageClassification

ImageClassificationMultilabel

ImageInstanceSegmentation

ImageLimitSettings

ImageModelDistributionSettingsClassification

ImageModelDistributionSettingsObjectDetection

ImageModelSettingsClassification

ImageModelSettingsObjectDetection

ImageObjectDetection

ImageSweepSettings

InputDeliveryMode

InstanceSegmentationPrimaryMetrics

JobBase

JobInputType