ModelProxy 類別

參考

注意

這是實驗性類別，隨時可能會變更。請參閱 https://aka.ms/azuremlexperimental 以取得詳細資訊。

啟用遠端計算推斷之 AutoML 模型的 Proxy 物件。

建立 AutoML ModelProxy 物件，以提交推斷至定型環境。

繼承: builtins.object

ModelProxy

建構函式

ModelProxy(child_run, compute_target=None)

參數

名稱	Description
child_run 必要	要從中下載模型的子執行。
compute_target 必要	覆寫要推斷的目標計算。

方法

forecast	提交作業，以針對指定的值在模型上執行預測。
forecast_quantiles	提交作業，以針對指定的值在模型上執行forecast_quantiles。
predict	提交作業，以針對指定的值在模型上執行預測。
predict_proba	提交作業，以針對指定的值在模型上執行predict_proba。
test	從和計算相關計量擷 `test_data` 取預測。

forecast

提交作業，以針對指定的值在模型上執行預測。

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

參數

名稱	Description
X_values 必要	AbstractDataset 或 DataFrame 或 ndarray 輸入要執行預測的測試資料。
y_values	AbstractDataset 或 DataFrame 或 ndarray 要執行預測的輸入 y 值。預設值: None

傳回

類型	Description
	預測值。

forecast_quantiles

提交作業，以針對指定的值在模型上執行forecast_quantiles。

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

參數

名稱	Description
X_values 必要	AbstractDataset 輸入要執行預測的測試資料。
y_values	要執行預測的輸入 y 值。預設值: None
forecast_destination	<xref:pandas.Timestamp> Forecast_destination：時間戳記值。所有粒紋的預測都會以forecast_destination時間的方式進行。字典輸入 { grain - > timestamp } 將不會接受。如果未指定forecast_destination，則會在每個粒紋的上次X_pred發生時進行插補。預設值: None
ignore_data_errors	bool 忽略使用者資料中的錯誤。預設值: False

predict

提交作業，以針對指定的值在模型上執行預測。

predict(values: Any) -> AbstractDataset

參數

名稱	Description
values 必要	AbstractDataset 或 DataFrame 或 ndarray 輸入要執行預測的測試資料。

傳回

類型	Description
	預測值。

predict_proba

提交作業，以針對指定的值在模型上執行predict_proba。

predict_proba(values: Any) -> AbstractDataset

參數

名稱	Description
values 必要	AbstractDataset 或 DataFrame 或 ndarray 輸入要執行預測的測試資料。

傳回

類型	Description
	預測值。

test

從和計算相關計量擷 test_data 取預測。

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

參數

名稱 Description

名稱	Description
test_data 必要	測試資料集。
include_predictions_only	是否只包含預測作為predictions.csv輸出的一部分。如果此參數是 `True` ，輸出 CSV 資料行看起來像 (預測與回歸) 相同： `Classification => [predicted values], [probabilities]` `Regression => [predicted values]` else (預設) ： `Classification => [original test data labels], [predicted values], [probabilities], [features]` `Regression => [original test data labels], [predicted values], [features]` 資料 `[original test data labels]` 行名稱 = `[label column name] + "_orig"` 。資料 `[predicted values]` 行名稱 = `[label column name] + "_predicted"` 。 `[probabilities]` 資料行名稱 = `[class name] + "_predicted_proba"`。 `[features]` 資料行名稱 = `[feature column name] + "_orig"`。 `test_data`如果不包含目標資料行，則 `[original test data labels]` 不會在輸出資料框架中。預設值: False

test_data

必要

測試資料集。

include_predictions_only

是否只包含預測作為predictions.csv輸出的一部分。

如果此參數是 True ，輸出 CSV 資料行看起來像 (預測與回歸) 相同：

Classification => [predicted values], [probabilities]

Regression => [predicted values]

else (預設) ：

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

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

資料 [original test data labels] 行名稱 = [label column name] + "_orig" 。

資料 [predicted values] 行名稱 = [label column name] + "_predicted" 。

[probabilities] 資料行名稱 = [class name] + "_predicted_proba"。

[features] 資料行名稱 = [feature column name] + "_orig"。

test_data如果不包含目標資料行，則 [original test data labels] 不會在輸出資料框架中。

預設值: False

傳回

類型	Description
	包含預測值和計量的 Tuple。

共用方式為