datadrift 套件

包含可偵測模型定型資料是否已從其評分資料漂移的功能。

在機器學習中， 資料漂移 是模型輸入資料的變更，導致模型效能降低。 這是模型精確度隨著時間降低的主要原因之一，因此監視資料漂移有助於偵測模型效能問題。 此套件可讓您偵測資料漂移併發出警示。

類別 DataDriftDetector 可讓您設定資料監視器物件，然後可以當做作業來執行，以分析資料漂移。 資料漂移作業可以互動方式執行，或啟用以排程執行。 當資料漂移超過 類別的臨界值 AlertConfiguration 時，您可以設定警示。

單元

alert_configuration	包含在 Azure Machine Learning 中設定資料漂移警示的功能。
datadriftdetector	包含用來偵測 Azure Machine Learning 中兩個資料集之間資料漂移的核心功能。 資料漂移是透過資料集或部署來測量，並依賴 Dataset API。

類別

AlertConfiguration	表示資料漂移作業的警示組態。 AlertConfiguration 類別允許在作業上 DataDriftDetector 設定可設定的警示 (，例如電子郵件) 。 使用 DataDriftDetector 類別的其中一個建立方法時，可以指定警示組態。 建構函式。 允許在 DataDriftDetector 作業上設定可設定的警示 (例如電子郵件) 。
DataDriftDetector	定義資料漂移監視器，可用來在 Azure Machine Learning 中執行資料漂移作業。 DataDriftDetector 類別可讓您識別指定基準與目標資料集之間的漂移。 DataDriftDetector 物件是直接指定基準和目標資料集，在工作區中建立。 如需詳細資訊，請參閱 https://aka.ms/datadrift 。 Datadriftdetector 建構函式。 DataDriftDetector 建構函式是用來擷取與所提供工作區相關聯之 DataDriftDetector 物件的雲端標記法。
Metric	表示資料漂移分析中傳回的計量。 Metric 類別僅供內部使用。 get_output使用 物件的 方法 DataDriftDetector 可傳回計量。 計量建構函式。
ModelServingDataset	表示建立模型型 DataDriftDetector 物件時，在內部使用的資料集。 以模型為基礎的 DataDriftDetector 可讓您計算模型訓練資料集與其評分資料集之間的資料漂移。 若要建立以模型為基礎的 DataDriftDetector，請使用 <xref:azureml.datadrift.DataDriftDetector.create_from_model> 方法。 建構函式。

列舉

MetricType

定義資料漂移分析中傳回的計量類型。 get_output使用 物件的 方法 DataDriftDetector 可傳回計量。