Schedules - Create Or Update

服务:

Machine Learning

API 版本:

2025-04-01

创建或更新计划。

PUT https://management.azure.com/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.MachineLearningServices/workspaces/{workspaceName}/schedules/{name}?api-version=2025-04-01

URI 参数

名称	在	必需	类型	说明
name	path	True	string pattern: ^[a-zA-Z0-9][a-zA-Z0-9\-_]{0,254}$	计划名称。
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 机器学习工作区的名称。
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	Schedule	[必需]实体的其他属性。

响应

名称	类型	说明
200 OK	ScheduleResource	创建或更新请求成功。
201 Created	ScheduleResource	已创建 标头 x-ms-async-operation-timeout: string Azure-AsyncOperation: string
Other Status Codes	ErrorResponse	错误

示例

CreateOrUpdate Schedule.

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/schedules/string?api-version=2025-04-01

{
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "isEnabled": false,
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "Cron",
      "expression": "string"
    },
    "action": {
      "actionType": "InvokeBatchEndpoint",
      "endpointInvocationDefinition": {
        "9965593e-526f-4b89-bb36-761138cf2794": null
      }
    }
  }
}

示例响应

状态代码:

200

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "isEnabled": false,
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "Cron",
      "expression": "string"
    },
    "action": {
      "actionType": "InvokeBatchEndpoint",
      "endpointInvocationDefinition": {
        "d77a9a9a-4bb5-4c0c-8a77-459be8b82b9f": null
      }
    },
    "provisioningState": "Succeeded"
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "Key",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "Application"
  }
}

状态代码:

201

{
  "id": "string",
  "name": "string",
  "type": "string",
  "properties": {
    "description": "string",
    "tags": {
      "string": "string"
    },
    "properties": {
      "string": "string"
    },
    "displayName": "string",
    "isEnabled": false,
    "trigger": {
      "endTime": "string",
      "startTime": "string",
      "timeZone": "string",
      "triggerType": "Cron",
      "expression": "string"
    },
    "action": {
      "actionType": "InvokeBatchEndpoint",
      "endpointInvocationDefinition": {
        "13ea51e0-ff28-49c3-a85d-9b5199eb14e5": null
      }
    },
    "provisioningState": "Failed"
  },
  "systemData": {
    "createdAt": "2020-01-01T12:34:56.999Z",
    "createdBy": "string",
    "createdByType": "Key",
    "lastModifiedAt": "2020-01-01T12:34:56.999Z",
    "lastModifiedBy": "string",
    "lastModifiedByType": "User"
  }
}

定义

名称	说明
AllFeatures
AllNodes	所有节点表示服务将在作业的所有节点上运行
AmlToken	AML 令牌标识配置。
AmlTokenComputeIdentity	AML 令牌计算标识定义。
AutoForecastHorizon	预测范围由系统自动确定。
AutoMLJob	AutoMLJob 类。 使用此类执行 AutoML 任务，例如分类/回归等。有关支持的所有任务，请参阅 TaskType 枚举。
AutoNCrossValidations	自动确定 N 交叉验证。
AutoSeasonality
AutoTargetLags
AutoTargetRollingWindowSize	自动确定目标滞后滚动窗口。
AzureDevOpsWebhook	特定于 Azure DevOps 的 Webhook 详细信息
BanditPolicy	根据可宽延条件定义提前终止策略，以及评估的频率和延迟间隔
BayesianSamplingAlgorithm	定义一个采样算法，该算法基于以前的值生成值
BlockedTransformers	AutoML 支持的所有分类模型的枚举。
CategoricalDataDriftMetric
CategoricalDataDriftMetricThreshold
CategoricalDataQualityMetric
CategoricalDataQualityMetricThreshold
CategoricalPredictionDriftMetric
CategoricalPredictionDriftMetricThreshold
Classification	AutoML 表垂直中的分类任务。
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	Command Job limit 类。
createdByType	创建资源的标识的类型。
CreateMonitorAction
CronTrigger
CustomForecastHorizon	所需最大预测范围（以时序频率单位为单位）。
CustomMetricThreshold
CustomModelJobInput
CustomModelJobOutput
CustomMonitoringSignal
CustomNCrossValidations	N 交叉验证由用户指定。
CustomSeasonality
CustomTargetLags
CustomTargetRollingWindowSize
DataDriftMonitoringSignal
DataQualityMonitoringSignal
DistributionType	用于确定作业分发类型的枚举。
EarlyTerminationPolicyType
EmailNotificationEnableType	用于确定电子邮件通知类型的枚举。
EndpointScheduleAction
ErrorAdditionalInfo	资源管理错误附加信息。
ErrorDetail	错误详细信息。
ErrorResponse	错误响应
FeatureAttributionDriftMonitoringSignal
FeatureAttributionMetric
FeatureAttributionMetricThreshold
FeatureImportanceMode	计算特征重要性的作模式。
FeatureImportanceSettings
FeatureLags	用于生成数值特征滞后的标志。
FeatureSubset
FeaturizationMode	特征化模式 - 确定数据特征化模式。
FixedInputData	修复了输入数据定义。
ForecastHorizonMode	用于确定预测地平线选择模式的枚举。
Forecasting	AutoML 表垂直中的预测任务。
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	预测与训练相关的配置。
Goal	定义超参数优化支持的指标目标
GridSamplingAlgorithm	定义一个采样算法，该算法会详尽地生成空间中的每个值组合
IdentityConfigurationType	用于确定标识框架的枚举。
ImageClassification	图像分类。 当图像仅使用一组类中的单个标签进行分类（例如，每个图像被分类为“猫”或“狗”或“鸭子”的图像）时，将使用多类图像分类。
ImageClassificationMultilabel	图像分类多标签。 当图像可能具有一组标签中的一个或多个标签时，将使用多标签图像分类，例如图像可以同时标有“cat”和“dog”。
ImageInstanceSegmentation	图像实例分段。 实例分段用于标识像素级别图像中的对象，在图像中的每个对象周围绘制多边形。
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。 一些示例包括： 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。 一些示例包括： 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。 有关可用设置的详细信息，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。 有关可用设置的详细信息，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，例如在图像中定位所有狗和猫，并在每个对象周围绘制边界框。
ImageSweepSettings	模型扫描和超参数扫描相关设置。
InputDeliveryMode	用于确定输入数据传送模式的枚举。
InstanceSegmentationPrimaryMetrics	InstanceSegmentation 任务的主要指标。
JobInputType	用于确定作业输入类型的枚举。
JobLimitsType
JobOutputType	用于确定作业输出类型的枚举。
JobResourceConfiguration
JobScheduleAction
JobService	作业终结点定义
JobStatus	作业的状态。
JobTier	用于确定作业层的枚举。
JobType	用于确定作业类型的枚举。
LearningRateScheduler	学习速率计划程序枚举。
LiteralJobInput	文本输入类型。
LogVerbosity	用于设置日志详细性的枚举。
ManagedComputeIdentity	托管计算标识定义。
ManagedIdentity	托管标识配置。
ManagedServiceIdentity	托管服务标识（系统分配和/或用户分配的标识）
ManagedServiceIdentityType	托管服务标识的类型（其中允许 SystemAssigned 和 UserAssigned 类型）。
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。
ModelTaskType	模型任务类型枚举。
MonitorComputeIdentityType	监视计算标识类型枚举。
MonitorComputeType	监视计算类型枚举。
MonitorDefinition
MonitorEmailNotificationSettings
MonitoringFeatureDataType
MonitoringFeatureFilterType
MonitoringInputDataType	监视输入数据类型枚举。
MonitoringNotificationType
MonitoringSignalType
MonitoringTarget	监视目标定义。
MonitoringThreshold
MonitorNotificationSettings
MonitorServerlessSparkCompute	监视无服务器 Spark 计算定义。
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。
NumericalDataDriftMetric
NumericalDataDriftMetricThreshold
NumericalDataQualityMetric
NumericalDataQualityMetricThreshold
NumericalPredictionDriftMetric
NumericalPredictionDriftMetricThreshold
ObjectDetectionPrimaryMetrics	Image ObjectDetection 任务的主要指标。
Objective	优化目标。
OutputDeliveryMode	输出数据传送模式枚举。
PipelineJob	管道作业定义：定义 MFE 属性的泛型。
PredictionDriftMonitoringSignal
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
RecurrenceFrequency	用于描述定期计划频率的枚举
RecurrenceSchedule
RecurrenceTrigger
Regression	AutoML 表垂直中的回归任务。
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。
RollingInputData	滚动输入数据定义。
SamplingAlgorithmType
Schedule	计划的基本定义
ScheduleActionType
ScheduleProvisioningStatus
ScheduleResource	Azure 资源管理器资源信封。
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	推进设置以自定义 StackEnsemble 运行。
StackMetaLearnerType	元学习器是在单个异类模型的输出上训练的模型。 默认元学习器是分类任务的 LogisticRegression（如果启用了交叉验证）和 ElasticNet 用于回归/预测任务（如果启用了交叉验证），则为 ElasticNetCV。 此参数可以是以下字符串之一：LogisticRegression、LogisticRegressionCV、LightGBMClassifier、ElasticNet、ElasticNetCV、LightGBMRegressor 或 LinearRegression
StaticInputData	静态输入数据定义。
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 分发配置。
TextClassification	AutoML NLP 垂直中的文本分类任务。 NLP - 自然语言处理。
TextClassificationMultilabel	AutoML NLP 垂直中的文本分类多标签任务。 NLP - 自然语言处理。
TextNer	在 AutoML NLP 垂直中 Text-NER 任务。 NER - 命名实体识别。 NLP - 自然语言处理。
TopNFeaturesByAttribution
TrialComponent	试用组件定义。
TriggerType
TritonModelJobInput
TritonModelJobOutput
TruncationSelectionPolicy	定义一个提前终止策略，该策略在每个评估间隔内取消给定的运行百分比。
UriFileJobInput
UriFileJobOutput
UriFolderJobInput
UriFolderJobOutput
UserAssignedIdentity	用户分配的标识属性
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	用于确定 Webhook 回调服务类型的枚举。
WeekDay	工作日枚举

AllFeatures

Object

名称	类型	说明
filterType	string: AllFeatures	[必需]指定要在选择要计算指标的功能时利用的功能筛选器。

AllNodes

Object

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

Object

AML 令牌标识配置。

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

AmlTokenComputeIdentity

Object

AML 令牌计算标识定义。

名称	类型	说明
computeIdentityType	string: AmlToken	[必需]指定要在监视作业中使用的标识类型。

AutoForecastHorizon

Object

预测范围由系统自动确定。

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

AutoMLJob

Object

AutoMLJob 类。 使用此类执行 AutoML 任务，例如分类/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		作业的状态。
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

Object

自动确定 N 交叉验证。

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

AutoSeasonality

Object

名称	类型	说明
mode	string: Auto	[必需]季节性模式。

AutoTargetLags

Object

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

Object

自动确定目标滞后滚动窗口。

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

AzureDevOpsWebhook

Object

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

Object

根据可宽延条件定义提前终止策略，以及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

Object

定义一个采样算法，该算法基于以前的值生成值

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
CatTargetEncoder	分类数据的目标编码。
CountVectorizer	Count Vectorizer 将文本文档集合转换为令牌计数矩阵。
HashOneHotEncoder	哈希一个热编码器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。
LabelEncoder	标签编码器以数字形式转换标签/分类变量。
NaiveBayes	Naive Bayes 是一种分类，用于分类明确分布的离散特征。
OneHotEncoder	Ohe 热编码创建二进制特征转换。
TextTargetEncoder	文本数据的目标编码。
TfIdf	Tf-Idf 代表术语频率时间反转文档频率。 这是一种常见的术语加权方案，用于识别来自文档的信息。
WoETargetEncoder	证据编码的权重是用于对分类变量进行编码的技术。 它使用 P（1）/P（0）的自然日志来创建权重。
WordEmbedding	Word 嵌入有助于将字词或短语表示为向量或一系列数字。

CategoricalDataDriftMetric

枚举

值	说明
JensenShannonDistance	詹森香农距离 （JSD） 指标。
PearsonsChiSquaredTest	皮尔逊奇平方测试指标。
PopulationStabilityIndex	总体稳定性索引 （PSI） 指标。

CategoricalDataDriftMetricThreshold

Object

名称	类型	说明
dataType	string: Categorical	[必需]指定指标阈值的数据类型。
metric	CategoricalDataDriftMetric	[必需]要计算的分类数据偏移指标。
threshold	MonitoringThreshold	阈值。 如果为 null，则会根据所选指标设置默认值。

CategoricalDataQualityMetric

枚举

值	说明
DataTypeErrorRate	计算数据类型错误的速率。
NullValueRate	计算 null 值的速率。
OutOfBoundsRate	计算速率值超出边界。

CategoricalDataQualityMetricThreshold

Object

名称	类型	说明
dataType	string: Categorical	[必需]指定指标阈值的数据类型。
metric	CategoricalDataQualityMetric	[必需]要计算的分类数据质量指标。
threshold	MonitoringThreshold	阈值。 如果为 null，则会根据所选指标设置默认值。

CategoricalPredictionDriftMetric

枚举

值	说明
JensenShannonDistance	詹森香农距离 （JSD） 指标。
PearsonsChiSquaredTest	皮尔逊奇平方测试指标。
PopulationStabilityIndex	总体稳定性索引 （PSI） 指标。

CategoricalPredictionDriftMetricThreshold

Object

名称	类型	说明
dataType	string: Categorical	[必需]指定指标阈值的数据类型。
metric	CategoricalPredictionDriftMetric	[必需]要计算的分类预测偏移指标。
threshold	MonitoringThreshold	阈值。 如果为 null，则会根据所选指标设置默认值。

Classification

Object

AutoML 表垂直中的分类任务。

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	作业的详细记录。
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	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。 未提供验证数据集时应用的值（0.0、1.0）。
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。 未提供验证数据集时应用的值（0.0、1.0）。
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
BernoulliNaiveBayes	多变量伯努利模型的 Naive Bayes 分类器。
DecisionTree	决策树是一种用于分类和回归任务的非参数监督式学习方法。 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。
ExtremeRandomTrees	极端树是一种组合机器学习算法，它结合了许多决策树的预测。 它与广泛使用的随机林算法相关。
GradientBoosting	将周学习者转移到强学习者的技术称为“提升”。 梯度提升算法过程适用于此执行理论。
KNN	K 最近的邻居 （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基于它与训练集中的点匹配程度分配一个值。
LightGBM	LightGBM 是一种梯度提升框架，它使用基于树的学习算法。
LinearSVM	支持向量机（SVM）是一种监督机器学习模型，它使用分类算法解决两组分类问题。 为每个类别提供一组已标记训练数据的 SVM 模型集后，它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，即通过在绘制的图形上的分类值之间绘制直线，可以轻松对数据进行分类。
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。 逻辑回归快速且相对不复杂，便于解释结果。 虽然它本质上是二元分类的方法，但它也可以应用于多类问题。
MultinomialNaiveBayes	多项式 Naive Bayes 分类器适用于具有离散特征的分类（例如文本分类的字数）。 多项式分布通常需要整数特征计数。 但是，在实践中，小数计数（如 tf-idf）也可能起作用。
RandomForest	随机林是一种监督式学习算法。 它构建的 “森林” 是决策树的集合，通常使用 “bagging” 方法进行训练。 装袋方法的一般思路是，学习模型的组合会增加整体结果。
SGD	ZN：随机梯度下降是机器学习应用程序中常用的优化算法，用于查找与预测输出和实际输出之间的最佳拟合的模型参数。
SVM	支持向量机（SVM）是一种监督机器学习模型，它使用分类算法解决两组分类问题。 为每个类别提供一组已标记训练数据的 SVM 模型集后，它们能够对新文本进行分类。
XGBoostClassifier	XGBoost：极端梯度提升算法。 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 是曲线下的区域。 此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。
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。
IOU	通过联合交集。 预测的交集除以预测联合。
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。
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。

ClassificationPrimaryMetrics

枚举

分类任务的主要指标。

值	说明
AUCWeighted	AUC 是曲线下的区域。 此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。
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。
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。
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

Object

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

Object

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。 例如 “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	object		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		作业的状态。
tags	object		标记字典。 可以添加、删除和更新标记。

CommandJobLimits

Object

Command Job limit 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
Application
Key
ManagedIdentity
User

CreateMonitorAction

Object

名称	类型	说明
actionType	string: CreateMonitor	[必需]指定计划的作类型
monitorDefinition	MonitorDefinition	[必需]定义监视器。

CronTrigger

Object

名称	类型	默认值	说明
endTime	string		以 ISO 8601 指定计划的结束时间，但不指定 UTC 偏移量。 请参阅 https://en.wikipedia.org/wiki/ISO_8601。 重新注释的格式将为“2022-06-01T00：00：01”（如果不存在），计划将无限期运行
expression	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]指定计划的 cron 表达式。 表达式应遵循 NCronTab 格式。
startTime	string		以 ISO 8601 格式指定计划的开始时间，但没有 UTC 偏移量。
timeZone	string	UTC	指定运行计划的时区。 TimeZone 应遵循 Windows 时区格式。 指： https://docs.microsoft.com/en-us/windows-hardware/manufacture/desktop/default-time-zones?view=windows-11
triggerType	string: Cron		[必需]

CustomForecastHorizon

Object

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。

CustomMetricThreshold

Object

名称	类型	说明
metric	string minLength: 1 pattern: [a-zA-Z0-9_]	[必需]要计算的用户定义指标。
threshold	MonitoringThreshold	阈值。 如果为 null，则会根据所选指标设置默认值。

CustomModelJobInput

Object

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	输入资产传送模式。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]输入资产 URI。

CustomModelJobOutput

Object

名称	类型	默认值	说明
description	string		输出的说明。
jobOutputType	string: custom_model		[必需]指定作业的类型。
mode	OutputDeliveryMode	ReadWriteMount	输出资产传送模式。
uri	string		输出资产 URI。

CustomMonitoringSignal

Object

名称	类型	说明
componentId	string minLength: 1 pattern: [a-zA-Z0-9_]	[必需]对用于计算自定义指标的组件资产的引用。
inputAssets	object	监视要用作输入的资产。 键是组件输入端口名称，值为数据资产。
inputs	object	要用作输入的额外组件参数。 键是组件文本输入端口名称，值为参数值。
metricThresholds	CustomMetricThreshold[]	[必需]要计算的指标列表及其关联的阈值。
notificationTypes	MonitoringNotificationType[]	此信号的当前通知模式。
properties	object	属性字典。 可以添加属性，但不能删除或更改属性。
signalType	string: Custom	[必需]指定要监视的信号类型。

CustomNCrossValidations

Object

N 交叉验证由用户指定。

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

Object

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

Object

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

Object

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

DataDriftMonitoringSignal

Object

名称	类型	说明
featureDataTypeOverride	object	一个字典，用于将特征名称映射到各自的数据类型。
featureImportanceSettings	FeatureImportanceSettings	计算特征重要性的设置。
features	MonitoringFeatureFilterBase: AllFeatures FeatureSubset TopNFeaturesByAttribution	特征筛选器，用于标识要计算偏移量的功能。
metricThresholds	DataDriftMetricThresholdBase[]: CategoricalDataDriftMetricThreshold[] NumericalDataDriftMetricThreshold[]	[必需]要计算的指标列表及其关联的阈值。
notificationTypes	MonitoringNotificationType[]	此信号的当前通知模式。
productionData	MonitoringInputDataBase: FixedInputData RollingInputData StaticInputData	[必需]将计算偏移的数据。
properties	object	属性字典。 可以添加属性，但不能删除或更改属性。
referenceData	MonitoringInputDataBase: FixedInputData RollingInputData StaticInputData	[必需]要计算偏移的数据。
signalType	string: DataDrift	[必需]指定要监视的信号类型。

DataQualityMonitoringSignal

Object

名称	类型	说明
featureDataTypeOverride	object	一个字典，用于将特征名称映射到各自的数据类型。
featureImportanceSettings	FeatureImportanceSettings	计算特征重要性的设置。
features	MonitoringFeatureFilterBase: AllFeatures FeatureSubset TopNFeaturesByAttribution	要计算偏移的特征。
metricThresholds	DataQualityMetricThresholdBase[]: CategoricalDataQualityMetricThreshold[] NumericalDataQualityMetricThreshold[]	[必需]要计算的指标列表及其关联的阈值。
notificationTypes	MonitoringNotificationType[]	此信号的当前通知模式。
productionData	MonitoringInputDataBase: FixedInputData RollingInputData StaticInputData	[必需]将为其计算偏移的生产服务生成的数据。
properties	object	属性字典。 可以添加属性，但不能删除或更改属性。
referenceData	MonitoringInputDataBase: FixedInputData RollingInputData StaticInputData	[必需]要计算偏移的数据。
signalType	string: DataQuality	[必需]指定要监视的信号类型。

DistributionType

枚举

用于确定作业分发类型的枚举。

值	说明
Mpi
PyTorch
TensorFlow

EarlyTerminationPolicyType

枚举

值	说明
Bandit
MedianStopping
TruncationSelection

EmailNotificationEnableType

枚举

用于确定电子邮件通知类型的枚举。

值	说明
JobCancelled
JobCompleted
JobFailed

EndpointScheduleAction

Object

名称	类型	说明
actionType	string: InvokeBatchEndpoint	[必需]指定计划的作类型
endpointInvocationDefinition	object	[必需]定义计划作定义详细信息。

ErrorAdditionalInfo

Object

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

Object

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

Object

错误响应

名称	类型	说明
error	ErrorDetail	错误对象。

FeatureAttributionDriftMonitoringSignal

Object

名称	类型	说明
featureDataTypeOverride	object	一个字典，用于将特征名称映射到各自的数据类型。
featureImportanceSettings	FeatureImportanceSettings	[必需]计算特征重要性的设置。
metricThreshold	FeatureAttributionMetricThreshold	[必需]要计算的指标列表及其关联的阈值。
notificationTypes	MonitoringNotificationType[]	此信号的当前通知模式。
productionData	MonitoringInputDataBase[]: FixedInputData[] RollingInputData[] StaticInputData[]	[必需]将计算偏移的数据。
properties	object	属性字典。 可以添加属性，但不能删除或更改属性。
referenceData	MonitoringInputDataBase: FixedInputData RollingInputData StaticInputData	[必需]要计算偏移的数据。
signalType	string: FeatureAttributionDrift	[必需]指定要监视的信号类型。

FeatureAttributionMetric

枚举

值	说明
NormalizedDiscountedCumulativeGain	规范化折扣累积增益指标。

FeatureAttributionMetricThreshold

Object

名称	类型	说明
metric	FeatureAttributionMetric	[必需]要计算的功能归因指标。
threshold	MonitoringThreshold	阈值。 如果为 null，则会根据所选指标设置默认值。

FeatureImportanceMode

枚举

计算特征重要性的作模式。

值	说明
Disabled	禁用信号中的计算特征重要性。
Enabled	启用信号中的计算特征重要性。

FeatureImportanceSettings

Object

名称	类型	默认值	说明
mode	FeatureImportanceMode	Disabled	计算特征重要性的作模式。
targetColumn	string		输入数据资产中目标列的名称。

FeatureLags

枚举

用于生成数值特征滞后的标志。

值	说明
Auto	系统自动生成功能滞后。
None	未生成任何功能延迟。

FeatureSubset

Object

名称	类型	说明
features	string[]	[必需]要包含的功能列表。
filterType	string: FeatureSubset	[必需]指定要在选择要计算指标的功能时利用的功能筛选器。

FeaturizationMode

枚举

特征化模式 - 确定数据特征化模式。

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

FixedInputData

Object

修复了输入数据定义。

名称	类型	说明
columns	object	将列名映射到特殊用途。
dataContext	string	数据源的上下文元数据。
inputDataType	string: Fixed	[必需]指定要监视的信号类型。
jobInputType	JobInputType	[必需]指定作业的类型。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]	[必需]输入资产 URI。

ForecastHorizonMode

枚举

用于确定预测地平线选择模式的枚举。

值	说明
Auto	要自动确定的预测范围。
Custom	使用自定义预测范围。

Forecasting

Object

AutoML 表垂直中的预测任务。

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	作业的详细记录。
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。 未提供验证数据集时应用的值（0.0、1.0）。
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。 未提供验证数据集时应用的值（0.0、1.0）。
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
Arimax	使用解释变量（ARIMAX）模型的自动回归集成移动平均值可被视为具有一个或多个自动回归（AR）术语和/或一个或多个移动平均值（MA）字词的多个回归模型。 此方法适用于在数据是固定/非固定数据时进行预测，并且与任何类型的数据模式（即级别/趋势/季节性/周期性）多变量一起使用。
AutoArima	自动自动回归集成移动平均值（ARIMA）模型使用时序数据和统计分析来解释数据并做出未来的预测。 此模型旨在通过对其过去的值使用时序数据来解释数据，并使用线性回归进行预测。
Average	平均预测模型通过转发训练数据中每个时序的目标值的平均值来进行预测。
DecisionTree	决策树是一种用于分类和回归任务的非参数监督式学习方法。 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。
ElasticNet	弹性网是一种常用的正则化线性回归，它结合了两种常用点数，特别是 L1 和 L2 惩罚函数。
ExponentialSmoothing	指数平滑是单变量数据的时序预测方法，可以扩展为具有系统趋势或季节性组件的数据提供支持。
ExtremeRandomTrees	极端树是一种组合机器学习算法，它结合了许多决策树的预测。 它与广泛使用的随机林算法相关。
GradientBoosting	将周学习者转移到强学习者的技术称为“提升”。 梯度提升算法过程适用于此执行理论。
KNN	K 最近的邻居 （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基于它与训练集中的点匹配程度分配一个值。
LassoLars	套索模型适合与最小角度回归 a.k.a. Lars。 它是使用 L1 训练的线性模型，之前用作正则器。
LightGBM	LightGBM 是一种梯度提升框架，它使用基于树的学习算法。
Naive	Naive 预测模型通过针对训练数据中每个时序的最新目标值进行预测。
Prophet	先知是基于累加模型预测时序数据的过程，其中非线性趋势适合每年、每周和每日季节性，以及假日效果。 它最适合具有强烈的季节性影响和几个季节的历史数据的时序。 先知对缺少数据并改变趋势非常可靠，通常处理离群值。
RandomForest	随机林是一种监督式学习算法。 它构建的 “森林” 是决策树的集合，通常使用 “bagging” 方法进行训练。 装袋方法的一般思路是，学习模型的组合会增加整体结果。
SGD	ZN：随机梯度下降是机器学习应用程序中常用的优化算法，用于查找与预测输出和实际输出之间的最佳拟合的模型参数。 这是一种无所事事但强大的技术。
SeasonalAverage	季节性平均预测模型通过转发训练数据中每个时序的最新季度数据的平均值来进行预测。
SeasonalNaive	季节性 Naive 预测模型通过针对训练数据中每个时序的最新目标值季节进行预测。
TCNForecaster	TCNForecaster：临时卷积网络预测器。 TODO：询问预测团队简要简介。
XGBoostRegressor	XGBoostRegressor：极端梯度提升回归器是一种使用基础学习器合奏的监督机器学习模型。

ForecastingPrimaryMetrics

枚举

预测任务的主要指标。

值	说明
NormalizedMeanAbsoluteError	规范化平均绝对误差（NMAE）是一个验证指标，用于比较具有不同比例的（时序）平均绝对误差（MAE）。
NormalizedRootMeanSquaredError	RMSE 的规范化根均方误差（NRMSE）有助于在不同比例的模型之间进行比较。
R2Score	R2 分数是基于预测的机器学习模型的性能评估度量值之一。
SpearmanCorrelation	Spearman 的相关性排名系数是排名相关性的非参数度量值。

ForecastingSettings

Object

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 CVStepSize = 3 表示每日数据，则每个折叠的起始时间将相隔三天。
featureLags	FeatureLags	None	使用“auto”或 null 为数值特征生成滞后的标志。
forecastHorizon	ForecastHorizon: AutoForecastHorizon CustomForecastHorizon	{"Mode": "Custom", "Value": 1}	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	{"Mode": "Auto"}	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	用于聚合符合用户指定频率的时序目标列的函数。 如果设置了 TargetAggregateFunction，即不是“None”，但未设置 freq 参数，则会引发错误。 可能的目标聚合函数包括：“sum”、“max”、“min”和“mean”。
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

Object

预测与训练相关的配置。

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
Maximize
Minimize

GridSamplingAlgorithm

Object

定义一个采样算法，该算法会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

用于确定标识框架的枚举。

值	说明
AMLToken
Managed
UserIdentity

ImageClassification

Object

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

名称	类型	默认值	说明
limitSettings	ImageLimitSettings		[必需]限制 AutoML 作业的设置。
logVerbosity	LogVerbosity	Info	作业的详细记录。
modelSettings	ImageModelSettingsClassification		用于训练模型的设置。
primaryMetric	ClassificationPrimaryMetrics	Accuracy	要针对此任务进行优化的主要指标。
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。 未提供验证数据集时应用的值（0.0、1.0）。

ImageClassificationMultilabel

Object

图像分类多标签。 当图像可能具有一组标签中的一个或多个标签时，将使用多标签图像分类，例如图像可以同时标有“cat”和“dog”。

名称	类型	默认值	说明
limitSettings	ImageLimitSettings		[必需]限制 AutoML 作业的设置。
logVerbosity	LogVerbosity	Info	作业的详细记录。
modelSettings	ImageModelSettingsClassification		用于训练模型的设置。
primaryMetric	ClassificationMultilabelPrimaryMetrics	IOU	要针对此任务进行优化的主要指标。
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。 未提供验证数据集时应用的值（0.0、1.0）。

ImageInstanceSegmentation

Object

图像实例分段。 实例分段用于标识像素级别图像中的对象，在图像中的每个对象周围绘制多边形。

名称	类型	默认值	说明
limitSettings	ImageLimitSettings		[必需]限制 AutoML 作业的设置。
logVerbosity	LogVerbosity	Info	作业的详细记录。
modelSettings	ImageModelSettingsObjectDetection		用于训练模型的设置。
primaryMetric	InstanceSegmentationPrimaryMetrics	MeanAveragePrecision	要针对此任务进行优化的主要指标。
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。 未提供验证数据集时应用的值（0.0、1.0）。

ImageLimitSettings

Object

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

Object

用于扫描模型设置值的分布表达式。 一些示例包括：

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	跟踪主要指标改进之前要等待的最小纪元或验证评估数，以便提前停止。 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	渐变累积意味着在不更新模型权重的情况下运行配置的“GradAccumulationStep”步骤，同时累积这些步骤的渐变，然后使用累积的渐变来计算权重更新。 必须是正整数。
layersToFreeze	string	要冻结模型的层数。 必须是正整数。 例如，将 2 作为“seresnext”的值传递意味着冻结 layer0 和 layer1。 有关支持模型的完整列表以及层冻结的详细信息，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。 有关可用模型的详细信息，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

Object

用于扫描模型设置值的分布表达式。 一些示例包括：

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	在推理期间，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	跟踪主要指标改进之前要等待的最小纪元或验证评估数，以便提前停止。 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	渐变累积意味着在不更新模型权重的情况下运行配置的“GradAccumulationStep”步骤，同时累积这些步骤的渐变，然后使用累积的渐变来计算权重更新。 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，将 2 作为“seresnext”的值传递意味着冻结 layer0 和 layer1。 有关支持模型的完整列表以及层冻结的详细信息，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。 有关可用模型的详细信息，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 才能启用小型对象检测逻辑。 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

Object

用于训练模型的设置。 有关可用设置的详细信息，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)		跟踪主要指标改进之前要等待的最小纪元或验证评估数，以便提前停止。 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)		渐变累积意味着在不更新模型权重的情况下运行配置的“GradAccumulationStep”步骤，同时累积这些步骤的渐变，然后使用累积的渐变来计算权重更新。 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，将 2 作为“seresnext”的值传递意味着冻结 layer0 和 layer1。 有关支持模型的完整列表以及层冻结的详细信息，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。 有关可用模型的详细信息，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	优化器的类型。
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

Object

用于训练模型的设置。 有关可用设置的详细信息，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)		在推理期间，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)		跟踪主要指标改进之前要等待的最小纪元或验证评估数，以便提前停止。 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)		渐变累积意味着在不更新模型权重的情况下运行配置的“GradAccumulationStep”步骤，同时累积这些步骤的渐变，然后使用累积的渐变来计算权重更新。 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，将 2 作为“seresnext”的值传递意味着冻结 layer0 和 layer1。 有关支持模型的完整列表以及层冻结的详细信息，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	学习速率计划程序的类型。 必须是“warmup_cosine”或“step”。
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。 有关可用模型的详细信息，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	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	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	优化器的类型。
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 才能启用小型对象检测逻辑。 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

Object

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，例如在图像中定位所有狗和猫，并在每个对象周围绘制边界框。

名称	类型	默认值	说明
limitSettings	ImageLimitSettings		[必需]限制 AutoML 作业的设置。
logVerbosity	LogVerbosity	Info	作业的详细记录。
modelSettings	ImageModelSettingsObjectDetection		用于训练模型的设置。
primaryMetric	ObjectDetectionPrimaryMetrics	MeanAveragePrecision	要针对此任务进行优化的主要指标。
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。 未提供验证数据集时应用的值（0.0、1.0）。

ImageSweepSettings

Object

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

用于确定输入数据传送模式的枚举。

值	说明
Direct
Download
EvalDownload
EvalMount
ReadOnlyMount
ReadWriteMount

InstanceSegmentationPrimaryMetrics

枚举

InstanceSegmentation 任务的主要指标。

值	说明
MeanAveragePrecision	平均平均精度 （MAP） 是 AP （平均精度） 的平均值。 针对每个类计算 AP，并求平均值以获取 MAP。

JobInputType

枚举

用于确定作业输入类型的枚举。

值	说明
custom_model
literal
mlflow_model
mltable
triton_model
uri_file
uri_folder

JobLimitsType

枚举

值	说明
Command
Sweep

JobOutputType

枚举

用于确定作业输出类型的枚举。

值	说明
custom_model
mlflow_model
mltable
triton_model
uri_file
uri_folder

JobResourceConfiguration

Object

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。
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	object		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）。

JobScheduleAction

Object

名称	类型	说明
actionType	string: CreateJob	[必需]指定计划的作类型
jobDefinition	JobBase: AutoMLJob CommandJob PipelineJob SparkJob SweepJob	[必需]定义计划作定义详细信息。

JobService

Object

作业终结点定义

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
CancelRequested	已请求取消作业。
Canceled	取消请求后，作业现已成功取消。
Completed	作业成功完成。 这反映了作业本身和输出集合状态都成功完成
Failed	作业失败。
Finalizing	作业在目标中完成。 它现在处于输出集合状态。
NotResponding	启用检测信号后，如果运行未将任何信息更新到 RunHistory，则运行将转到 NotResponding 状态。 NotResponding 是唯一免除严格转换订单的状态。 运行可以从 NotResponding 转到任何以前的状态。
NotStarted	运行尚未启动。
Paused	作业由用户暂停。 对标记作业的一些调整只能处于暂停状态。
Preparing	正在准备运行环境。
Provisioning	（当前未使用）如果 ES 正在创建计算目标，将使用它。
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。
Starting	已启动运行。 用户具有运行 ID。
Unknown	如果未映射到所有其他状态，则默认作业状态

JobTier

枚举

用于确定作业层的枚举。

值	说明
Basic
Null
Premium
Spot
Standard

JobType

枚举

用于确定作业类型的枚举。

值	说明
AutoML
Command
Pipeline
Spark
Sweep

LearningRateScheduler

枚举

学习速率计划程序枚举。

值	说明
None	未选择学习速率计划程序。
Step	步骤学习速率计划程序。
WarmupCosine	余弦退火与热身。

LiteralJobInput

Object

文本输入类型。

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

用于设置日志详细性的枚举。

值	说明
Critical	仅记录关键语句。
Debug	记录的调试和上述日志语句。
Error	记录的错误和上述日志语句。
Info	记录的信息和上述日志语句。
NotSet	未发出任何日志。
Warning	记录的警告和上述日志语句。

ManagedComputeIdentity

Object

托管计算标识定义。

名称	类型	说明
computeIdentityType	string: ManagedIdentity	[必需]指定要在监视作业中使用的标识类型。
identity	ManagedServiceIdentity	监视作业将利用的标识。

ManagedIdentity

Object

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。

ManagedServiceIdentity

Object

托管服务标识（系统分配和/或用户分配的标识）

名称	类型	说明
principalId	string (uuid)	系统分配标识的服务主体 ID。 此属性仅针对系统分配的标识提供。
tenantId	string (uuid)	系统分配标识的租户 ID。 此属性仅针对系统分配的标识提供。
type	ManagedServiceIdentityType	托管服务标识的类型（其中允许 SystemAssigned 和 UserAssigned 类型）。
userAssignedIdentities	<string,  UserAssignedIdentity>	User-Assigned 标识 与资源关联的用户分配标识集。 userAssignedIdentities 字典密钥将为 ARM 资源 ID，格式为“/subscriptions/{subscriptionId}/resourceGroups/{resourceGroupName}/providers/Microsoft.ManagedIdentity/userAssignedIdentities/{identityName}”。 字典值可以是请求中的空对象（{}）。

ManagedServiceIdentityType

枚举

托管服务标识的类型（其中允许 SystemAssigned 和 UserAssigned 类型）。

值	说明
None
SystemAssigned
SystemAssigned,UserAssigned
UserAssigned

MedianStoppingPolicy

Object

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

Object

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	输入资产传送模式。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]输入资产 URI。

MLFlowModelJobOutput

Object

名称	类型	默认值	说明
description	string		输出的说明。
jobOutputType	string: mlflow_model		[必需]指定作业的类型。
mode	OutputDeliveryMode	ReadWriteMount	输出资产传送模式。
uri	string		输出资产 URI。

MLTableJobInput

Object

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	输入资产传送模式。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]输入资产 URI。

MLTableJobOutput

Object

名称	类型	默认值	说明
description	string		输出的说明。
jobOutputType	string: mltable		[必需]指定作业的类型。
mode	OutputDeliveryMode	ReadWriteMount	输出资产传送模式。
uri	string		输出资产 URI。

ModelSize

枚举

图像模型大小。

值	说明
ExtraLarge	特大大小。
Large	大尺寸。
Medium	中等大小。
None	未选择任何值。
Small	大小较小。

ModelTaskType

枚举

模型任务类型枚举。

值	说明
Classification
Regression

MonitorComputeIdentityType

枚举

监视计算标识类型枚举。

值	说明
AmlToken	通过用户的 AML 令牌进行身份验证。
ManagedIdentity	通过用户提供的托管标识进行身份验证。

MonitorComputeType

枚举

监视计算类型枚举。

值	说明
ServerlessSpark	无服务器 Spark 计算。

MonitorDefinition

Object

名称	类型	说明
alertNotificationSettings	MonitorNotificationSettings	监视器的通知设置。
computeConfiguration	MonitorComputeConfigurationBase: MonitorServerlessSparkCompute	[必需]要运行监视作业的计算资源的 ARM 资源 ID。
monitoringTarget	MonitoringTarget	监视器针对的实体。
signals	object	[必需]要监视的信号。

MonitorEmailNotificationSettings

Object

名称	类型	说明
emails	string[]	总共限制为 499 个字符的电子邮件收件人列表。

MonitoringFeatureDataType

枚举

值	说明
Categorical	用于分类数据类型的功能。
Numerical	用于数值数据类型的特征。

MonitoringFeatureFilterType

枚举

值	说明
AllFeatures	包括所有功能。
FeatureSubset	包括用户定义的功能子集。
TopNByAttribution	仅包括按特征归因度量的顶级贡献特征。

MonitoringInputDataType

枚举

监视输入数据类型枚举。

值	说明
Fixed	具有表格格式的输入数据，不需要预处理。
Rolling	相对于监视器的当前运行时滚动的输入数据。
Static	具有固定窗口大小的输入数据。

MonitoringNotificationType

枚举

值	说明
AmlNotification	通过 AML 通知启用电子邮件通知。

MonitoringSignalType

枚举

值	说明
Custom	跟踪用户提供的自定义信号。
DataDrift	跟踪模型输入数据分布变化，与训练数据或过去的生产数据进行比较。
DataQuality	跟踪模型输入数据完整性。
FeatureAttributionDrift	跟踪生产中的特征重要性变化，与训练时的特征重要性进行比较。
PredictionDrift	跟踪预测结果数据分布变化，与验证/测试标签数据或过去的生产数据进行比较。

MonitoringTarget

Object

监视目标定义。

名称	类型	说明
deploymentId	string	对此监视器目标的部署资产的引用。
modelId	string	对此监视器所针对的模型资产的引用。
taskType	ModelTaskType	[必需]受监视模型的机器学习任务类型。

MonitoringThreshold

Object

名称	类型	说明
value	number (double)	阈值。 如果为 null，则设置默认值取决于指标类型。

MonitorNotificationSettings

Object

名称	类型	说明
emailNotificationSettings	MonitorEmailNotificationSettings	AML 通知电子邮件设置。

MonitorServerlessSparkCompute

Object

监视无服务器 Spark 计算定义。

名称	类型	说明
computeIdentity	MonitorComputeIdentityBase: AmlTokenComputeIdentity ManagedComputeIdentity	[必需]无服务器 Spark 上运行的 Spark 作业利用的标识方案。
computeType	string: ServerlessSpark	[必需]指定要监视的信号类型。
instanceType	string minLength: 1 pattern: [a-zA-Z0-9_]	[必需]运行 Spark 作业的实例类型。
runtimeVersion	string minLength: 1 pattern: ^[0-9]+\.[0-9]+$	[必需]Spark 运行时版本。

Mpi

Object

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 交叉验证值。 仅支持“预测”AutoML 任务。
Custom	使用自定义 N 交叉验证值。

NlpVerticalFeaturizationSettings

Object

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

NlpVerticalLimitSettings

Object

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

Object

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。

NumericalDataDriftMetric

枚举

值	说明
JensenShannonDistance	詹森香农距离 （JSD） 指标。
NormalizedWassersteinDistance	规范化 Wasserstein 距离指标。
PopulationStabilityIndex	总体稳定性索引 （PSI） 指标。
TwoSampleKolmogorovSmirnovTest	双样本 Kolmogorov-Smirnov 测试（双样本 K–S）”量度。

NumericalDataDriftMetricThreshold

Object

名称	类型	说明
dataType	string: Numerical	[必需]指定指标阈值的数据类型。
metric	NumericalDataDriftMetric	[必需]要计算的数字数据偏移指标。
threshold	MonitoringThreshold	阈值。 如果为 null，则会根据所选指标设置默认值。

NumericalDataQualityMetric

枚举

值	说明
DataTypeErrorRate	计算数据类型错误的速率。
NullValueRate	计算 null 值的速率。
OutOfBoundsRate	计算速率值超出边界。

NumericalDataQualityMetricThreshold

Object

名称	类型	说明
dataType	string: Numerical	[必需]指定指标阈值的数据类型。
metric	NumericalDataQualityMetric	[必需]要计算的数字数据质量指标。
threshold	MonitoringThreshold	阈值。 如果为 null，则会根据所选指标设置默认值。

NumericalPredictionDriftMetric

枚举

值	说明
JensenShannonDistance	詹森香农距离 （JSD） 指标。
NormalizedWassersteinDistance	规范化 Wasserstein 距离指标。
PopulationStabilityIndex	总体稳定性索引 （PSI） 指标。
TwoSampleKolmogorovSmirnovTest	双样本 Kolmogorov-Smirnov 测试（双样本 K–S）”量度。

NumericalPredictionDriftMetricThreshold

Object

名称	类型	说明
dataType	string: Numerical	[必需]指定指标阈值的数据类型。
metric	NumericalPredictionDriftMetric	[必需]要计算的数字预测偏移指标。
threshold	MonitoringThreshold	阈值。 如果为 null，则会根据所选指标设置默认值。

ObjectDetectionPrimaryMetrics

枚举

Image ObjectDetection 任务的主要指标。

值	说明
MeanAveragePrecision	平均平均精度 （MAP） 是 AP （平均精度） 的平均值。 针对每个类计算 AP，并求平均值以获取 MAP。

Objective

Object

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

输出数据传送模式枚举。

值	说明
Direct
ReadWriteMount
Upload

PipelineJob

Object

管道作业定义：定义 MFE 属性的泛型。

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	object		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	object		管道设置，例如 ContinueRunOnStepFailure 等。
sourceJobId	string		源作业的 ARM 资源 ID。
status	JobStatus		作业的状态。
tags	object		标记字典。 可以添加、删除和更新标记。

PredictionDriftMonitoringSignal

Object

名称	类型	说明
featureDataTypeOverride	object	一个字典，用于将特征名称映射到各自的数据类型。
metricThresholds	PredictionDriftMetricThresholdBase[]: CategoricalPredictionDriftMetricThreshold[] NumericalPredictionDriftMetricThreshold[]	[必需]要计算的指标列表及其关联的阈值。
notificationTypes	MonitoringNotificationType[]	此信号的当前通知模式。
productionData	MonitoringInputDataBase: FixedInputData RollingInputData StaticInputData	[必需]将计算偏移的数据。
properties	object	属性字典。 可以添加属性，但不能删除或更改属性。
referenceData	MonitoringInputDataBase: FixedInputData RollingInputData StaticInputData	[必需]要计算偏移的数据。
signalType	string: PredictionDrift	[必需]指定要监视的信号类型。

PyTorch

Object

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

Object

名称	类型	默认值	说明
jobTier	JobTier	Null	控制计算作业层

RandomSamplingAlgorithm

Object

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

RecurrenceFrequency

枚举

用于描述定期计划频率的枚举

值	说明
Day	日频率
Hour	小时频率
Minute	分钟频率
Month	月频率
Week	周频率

RecurrenceSchedule

Object

名称	类型	说明
hours	integer[] (int32)	[必需]计划小时列表。
minutes	integer[] (int32)	[必需]计划分钟列表。
monthDays	integer[] (int32)	计划月份日期列表
weekDays	WeekDay[]	计划天数列表。

RecurrenceTrigger

Object

名称	类型	默认值	说明
endTime	string		以 ISO 8601 指定计划的结束时间，但不指定 UTC 偏移量。 请参阅 https://en.wikipedia.org/wiki/ISO_8601。 重新注释的格式将为“2022-06-01T00：00：01”（如果不存在），计划将无限期运行
frequency	RecurrenceFrequency		[必需]触发计划的频率。
interval	integer (int32)		[必需]指定计划间隔与频率
schedule	RecurrenceSchedule		重复计划。
startTime	string		以 ISO 8601 格式指定计划的开始时间，但没有 UTC 偏移量。
timeZone	string	UTC	指定运行计划的时区。 TimeZone 应遵循 Windows 时区格式。 指： https://docs.microsoft.com/en-us/windows-hardware/manufacture/desktop/default-time-zones?view=windows-11
triggerType	string: Recurrence		[必需]

Regression

Object

AutoML 表垂直中的回归任务。

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	作业的详细记录。
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。 未提供验证数据集时应用的值（0.0、1.0）。
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。 未提供验证数据集时应用的值（0.0、1.0）。
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
DecisionTree	决策树是一种用于分类和回归任务的非参数监督式学习方法。 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。
ElasticNet	弹性网是一种常用的正则化线性回归，它结合了两种常用点数，特别是 L1 和 L2 惩罚函数。
ExtremeRandomTrees	极端树是一种组合机器学习算法，它结合了许多决策树的预测。 它与广泛使用的随机林算法相关。
GradientBoosting	将周学习者转移到强学习者的技术称为“提升”。 梯度提升算法过程适用于此执行理论。
KNN	K 最近的邻居 （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基于它与训练集中的点匹配程度分配一个值。
LassoLars	套索模型适合与最小角度回归 a.k.a. Lars。 它是使用 L1 训练的线性模型，之前用作正则器。
LightGBM	LightGBM 是一种梯度提升框架，它使用基于树的学习算法。
RandomForest	随机林是一种监督式学习算法。 它构建的 “森林” 是决策树的集合，通常使用 “bagging” 方法进行训练。 装袋方法的一般思路是，学习模型的组合会增加整体结果。
SGD	ZN：随机梯度下降是机器学习应用程序中常用的优化算法，用于查找与预测输出和实际输出之间的最佳拟合的模型参数。 这是一种无所事事但强大的技术。
XGBoostRegressor	XGBoostRegressor：极端梯度提升回归器是一种使用基础学习器合奏的监督机器学习模型。

RegressionPrimaryMetrics

枚举

回归任务的主要指标。

值	说明
NormalizedMeanAbsoluteError	规范化平均绝对误差（NMAE）是一个验证指标，用于比较具有不同比例的（时序）平均绝对误差（MAE）。
NormalizedRootMeanSquaredError	RMSE 的规范化根均方误差（NRMSE）有助于在不同比例的模型之间进行比较。
R2Score	R2 分数是基于预测的机器学习模型的性能评估度量值之一。
SpearmanCorrelation	Spearman 的相关性排名系数是排名相关性的非参数度量值。

RegressionTrainingSettings

Object

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。

RollingInputData

Object

滚动输入数据定义。

名称	类型	说明
columns	object	将列名映射到特殊用途。
dataContext	string	数据源的上下文元数据。
inputDataType	string: Rolling	[必需]指定要监视的信号类型。
jobInputType	JobInputType	[必需]指定作业的类型。
preprocessingComponentId	string	对用于预处理数据的组件资产的引用。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]	[必需]输入资产 URI。
windowOffset	string (duration)	[必需]数据窗口末尾与监视器的当前运行时之间的时间偏移量。
windowSize	string (duration)	[必需]滚动数据窗口的大小。

SamplingAlgorithmType

枚举

值	说明
Bayesian
Grid
Random

Schedule

Object

计划的基本定义

名称	类型	默认值	说明
action	ScheduleActionBase: CreateMonitorAction EndpointScheduleAction JobScheduleAction		[必需]指定计划的作
description	string		资产说明文本。
displayName	string		计划显示名称。
isEnabled	boolean	True	是否启用了计划？
properties	object		资产属性字典。
provisioningState	ScheduleProvisioningStatus		计划的预配状态。
tags	object		标记字典。 可以添加、删除和更新标记。
trigger	TriggerBase: CronTrigger RecurrenceTrigger		[必需]指定触发器详细信息

ScheduleActionType

枚举

值	说明
CreateJob
CreateMonitor
InvokeBatchEndpoint

ScheduleProvisioningStatus

枚举

值	说明
Canceled
Creating
Deleting
Failed
Succeeded
Updating

ScheduleResource

Object

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	Schedule	[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”

SeasonalityMode

枚举

预测季节性模式。

值	说明
Auto	要自动确定的季节性。
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
Auto	如果没有长系列，将填充短系列，否则将删除短系列。
Drop	所有短系列都将被删除。
None	表示 no/null 值。
Pad	所有短系列都将填充。

SparkJob

Object

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		作业的状态。
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

Object

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

Object

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

Object

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

Object

推进设置以自定义 StackEnsemble 运行。

名称	类型	默认值	说明
stackMetaLearnerKWargs	object		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	元学习器是在单个异类模型的输出上训练的模型。

StackMetaLearnerType

枚举

元学习器是在单个异类模型的输出上训练的模型。 默认元学习器是分类任务的 LogisticRegression（如果启用了交叉验证）和 ElasticNet 用于回归/预测任务（如果启用了交叉验证），则为 ElasticNetCV。 此参数可以是以下字符串之一：LogisticRegression、LogisticRegressionCV、LightGBMClassifier、ElasticNet、ElasticNetCV、LightGBMRegressor 或 LinearRegression

值	说明
ElasticNet	默认元学习器是回归任务的 LogisticRegression。
ElasticNetCV	当 CV 处于打开状态时，默认元学习器是回归任务的 LogisticRegression。
LightGBMClassifier
LightGBMRegressor
LinearRegression
LogisticRegression	默认元学习器是分类任务的 LogisticRegression。
LogisticRegressionCV	当 CV 处于打开状态时，默认元学习器是分类任务的 LogisticRegression。
None

StaticInputData

Object

静态输入数据定义。

名称	类型	说明
columns	object	将列名映射到特殊用途。
dataContext	string	数据源的上下文元数据。
inputDataType	string: Static	[必需]指定要监视的信号类型。
jobInputType	JobInputType	[必需]指定作业的类型。
preprocessingComponentId	string	对用于预处理数据的组件资产的引用。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]	[必需]输入资产 URI。
windowEnd	string (date-time)	[必需]数据窗口的结束日期。
windowStart	string (date-time)	[必需]数据窗口的开始日期。

StochasticOptimizer

枚举

图像模型的随机优化器。

值	说明
Adam	Adam 是基于时刻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，它改进了重量衰减的实现。
None	未选择优化器。
Sgd	随机梯度下降优化器。

SweepJob

Object

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	object		[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		作业的状态。
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

Object

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

Object

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)	上次修改的资源时间戳（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

Object

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

Object

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	迭代次数。
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
Max
Mean
Min
None	表示未设置任何值。
Sum

TargetLagsMode

枚举

目标滞后选择模式。

值	说明
Auto	要自动确定的目标滞后时间。
Custom	使用自定义目标滞后时间。

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	机器学习和统计信息中的分类是一种监督式学习方法，计算机程序从给定的数据中学习并进行新的观察或分类。
Forecasting	预测是一种特殊的回归任务，用于处理时序数据并创建预测模型，可用于根据输入预测近期值。
ImageClassification	图像分类。 当图像仅使用一组类中的单个标签进行分类（例如，每个图像被分类为“猫”或“狗”或“鸭子”的图像）时，将使用多类图像分类。
ImageClassificationMultilabel	图像分类多标签。 当图像可能具有一组标签中的一个或多个标签时，将使用多标签图像分类，例如图像可以同时标有“cat”和“dog”。
ImageInstanceSegmentation	图像实例分段。 实例分段用于标识像素级别图像中的对象，在图像中的每个对象周围绘制多边形。
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，例如在图像中定位所有狗和猫，并在每个对象周围绘制边界框。
Regression	回归意味着使用输入数据预测值。 回归模型用于预测连续值。
TextClassification	文本分类（也称为文本标记或文本分类）是将文本排序到类别的过程。 类别是相互排斥的。
TextClassificationMultilabel	多标签分类任务将每个示例分配给目标标签的组（零个或多个）。
TextNER	名为 Entity Recognition a.k.a. TextNER 的文本。 命名实体识别（NER）能够采用自由格式的文本，并识别人员、位置、组织等实体的出现次数。

TensorFlow

Object

TensorFlow 分发配置。

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

Object

AutoML NLP 垂直中的文本分类任务。 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	作业的详细记录。
primaryMetric	ClassificationPrimaryMetrics	Accuracy	Text-Classification 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

Object

AutoML NLP 垂直中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	作业的详细记录。
primaryMetric	ClassificationMultilabelPrimaryMetrics		文本Classification-Multilabel 任务的主要指标。 目前仅支持准确性作为主要指标，因此用户不需要显式设置它。
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

Object

在 AutoML NLP 垂直中 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	作业的详细记录。
primaryMetric	ClassificationPrimaryMetrics		Text-NER 任务的主要指标。 Text-NER 仅支持“准确性”，因此用户不需要显式设置此值。
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。

TopNFeaturesByAttribution

Object

名称	类型	默认值	说明
filterType	string: TopNByAttribution		[必需]指定要在选择要计算指标的功能时利用的功能筛选器。
top	integer (int32)	10	要包括的顶级功能数。

TrialComponent

Object

试用组件定义。

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。 例如 “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。

TriggerType

枚举

值	说明
Cron
Recurrence

TritonModelJobInput

Object

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	输入资产传送模式。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]输入资产 URI。

TritonModelJobOutput

Object

名称	类型	默认值	说明
description	string		输出的说明。
jobOutputType	string: triton_model		[必需]指定作业的类型。
mode	OutputDeliveryMode	ReadWriteMount	输出资产传送模式。
uri	string		输出资产 URI。

TruncationSelectionPolicy

Object

定义一个提前终止策略，该策略在每个评估间隔内取消给定的运行百分比。

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

Object

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	输入资产传送模式。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]输入资产 URI。

UriFileJobOutput

Object

名称	类型	默认值	说明
description	string		输出的说明。
jobOutputType	string: uri_file		[必需]指定作业的类型。
mode	OutputDeliveryMode	ReadWriteMount	输出资产传送模式。
uri	string		输出资产 URI。

UriFolderJobInput

Object

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	输入资产传送模式。
uri	string minLength: 1 pattern: [a-zA-Z0-9_]		[必需]输入资产 URI。

UriFolderJobOutput

Object

名称	类型	默认值	说明
description	string		输出的说明。
jobOutputType	string: uri_folder		[必需]指定作业的类型。
mode	OutputDeliveryMode	ReadWriteMount	输出资产传送模式。
uri	string		输出资产 URI。

UserAssignedIdentity

Object

用户分配的标识属性

名称	类型	说明
clientId	string (uuid)	分配的标识的客户端 ID。
principalId	string (uuid)	已分配标识的主体 ID。

UserIdentity

Object

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
Coco	Coco 指标。
CocoVoc	CocoVoc 指标。
None	无指标。
Voc	Voc 指标。

WebhookType

枚举

用于确定 Webhook 回调服务类型的枚举。

值	说明
AzureDevOps

WeekDay

枚举

工作日枚举

值	说明
Friday	星期五工作日
Monday	星期一工作日
Saturday	星期六工作日
Sunday	星期天工作日
Thursday	星期四工作日
Tuesday	星期二工作日
Wednesday	星期三工作日