共用方式為

DatasetProfile 類別

  • 參考

注意

這是實驗性類別，可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。

DatasetProfile 會收集資料流程所產生資料的摘要統計資料。

建立 DatasetProfile 物件。

繼承
builtins.object
DatasetProfile

建構函式

DatasetProfile(saved_dataset_id, run_id, experiment_name, workspace, profile)

參數

saved_dataset_id
str
必要

計算設定檔之資料集的識別碼。

run_id
str
必要

用來計算設定檔之實驗的執行識別碼。

experiment_name
str
必要

用來計算設定檔的提交實驗名稱。

workspace
Workspace
必要

設定檔執行所屬的工作區。 如需工作區的詳細資訊，請參閱 https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.workspace.workspace 。

profile
<xref:azureml.dataprep.DataProfile>
必要

DataProfile 類型的最新設定檔執行結果。

saved_dataset_id
str
必要

計算設定檔之資料集的識別碼。

run_id
str
必要

用來計算設定檔之實驗的執行識別碼。

experiment_name
str
必要

用來計算設定檔的提交實驗名稱。

workspace
Workspace
必要

設定檔執行所屬的工作區。 如需工作區的詳細資訊，請參閱 https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.workspace.workspace 。

profile
<xref:azureml.dataprep.DataProfile>
必要

DataProfile 類型的最新設定檔執行結果。

方法

get_producing_run

注意

這是實驗性方法，可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。

傳回產生此設定檔之 Run 類型的實驗 Run 物件。
is_stale

注意

這是實驗性方法，可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。

傳回布林值，以描述計算設定檔是否過時。

如果計算設定檔之後基礎資料有所變更，則會將設定檔視為過時。

  • 如果無法偵測到資料來源變更，則會引發 TypeError。
  • 如果提交設定檔執行之後資料來源已變更，則旗標會是 True;
  • 否則，設定檔會比對目前的資料，而 旗標會是 False。

get_producing_run

注意

這是實驗性方法，可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。

傳回產生此設定檔之 Run 類型的實驗 Run 物件。

get_producing_run()

傳回

針對此設定檔執行提交的實驗回合。 如需執行的詳細資訊，請參閱 https://docs.microsoft.com/en-us/python/api/azureml-core/azureml.core.run(class 。

傳回類型

Run

is_stale

注意

這是實驗性方法，可以隨時變更。 請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。

傳回布林值，以描述計算設定檔是否過時。

如果計算設定檔之後基礎資料有所變更，則會將設定檔視為過時。

  • 如果無法偵測到資料來源變更，則會引發 TypeError。
  • 如果提交設定檔執行之後資料來源已變更，則旗標會是 True;
  • 否則，設定檔會比對目前的資料，而 旗標會是 False。
is_stale()

傳回

布林值，用來描述計算設定檔是否過時。

傳回類型

bool