ForecastingJob Třída

kwargs

dict

Další argumenty, které se mají předat serializátoru YAML.

target_column_name

str

Název cílového sloupce.

weight_column_name

Optional[str]

Název sloupce s váhou, výchozí hodnota je Žádná

validation_data

Optional[Input]

Ověřovací data, výchozí hodnota je Žádná.

validation_data_size

Optional[float]

Velikost ověřovacích dat, výchozí hodnota je Žádná

n_cross_validations

Optional[Union[str, int]]

n_cross_validations je výchozí hodnota Žádná.

cv_split_column_names

Optional[List[str]]

cv_split_column_names je výchozí hodnota Žádná.

test_data

Optional[Input]

Testovací data, výchozí hodnota je Žádná.

test_data_size

Optional[float]

Velikost testovacích dat, výchozí hodnota je Žádná

column_name_and_types

Optional[Dict[str, str]]

Slovník názvů sloupců a typů funkcí používaných k aktualizaci účelu sloupce má výchozí hodnotu Žádný.

dataset_language

Optional[str]

Tříznakový kód ISO 639-3 pro jazyky obsažené v datové sadě. Jiné jazyky než angličtina jsou podporované jenom v případě, že používáte výpočetní prostředky s podporou GPU. Language_code "mul" by se měl použít, pokud datová sada obsahuje více jazyků. Pokud chcete najít kódy ISO 639-3 pro různé jazyky, podívejte se na https://en.wikipedia.org/wiki/List_of_ISO_639-3_codes, výchozí hodnota je Žádná.

transformer_params

Optional[Dict[str, List[ColumnTransformer]]]

Slovník transformátoru a odpovídajících parametrů vlastního nastavení má výchozí hodnotu None (Žádný).

mode

Optional[str]

"off", "auto", výchozí hodnota je "auto", výchozí hodnota je None

enable_dnn_featurization

Optional[bool]

Jestli se mají zahrnout metody přípravy atributů založené na názvu DNN, výchozí hodnota je None (Žádné)

forecast_horizon

Požadovaný maximální horizont prognózy v jednotkách frekvence časových řad. Výchozí hodnota je 1.

Jednotky jsou založené na časovém intervalu trénovacích dat, například měsíčně nebo týdně, které by měl prognózovat prognóza. Při prognózování typu úlohy je tento parametr povinný. Další informace o nastavení parametrů prognózy najdete v tématu Automatické trénování modelu prognózy časových řad.

time_series_id_column_names

Optional[Union[str, List[str]]]

Názvy sloupců použitých k seskupení časové řady. Dá se použít k vytvoření více řad. Pokud nejsou definovány názvy sloupců id časové řady nebo zadané sloupce identifikátorů neidentifikují všechny řady v datové sadě, vytvoří se identifikátory časových řad pro vaši datovou sadu automaticky.

target_lags

Počet minulých období, která se mají zpožďovat od cílového sloupce Ve výchozím nastavení jsou prodlevy vypnuté.

Při prognózování tento parametr představuje počet řádků, které mají zpozdit cílové hodnoty na základě frekvence dat. Toto je reprezentováno jako seznam nebo jedno celé číslo. Prodleva by se měla použít, pokud se vztah mezi nezávislými proměnnými a závislými proměnnými ve výchozím nastavení neshoduje nebo koreluje. Pokud se například pokoušíte předpovědět poptávku po produktu, může poptávka v libovolném měsíci záviset na ceně konkrétních komodit před 3 měsíci. V tomto příkladu můžete chtít zpožďovat cíl (poptávku) o 3 měsíce, aby model trénoval na správné relaci. Další informace najdete v tématu Automatické trénování modelu prognózy časových řad.

Všimněte si automatické detekce cílových prodlev a velikosti posuvného okna. Podívejte se na odpovídající komentáře v oddílu posuvné okno. Další algoritmus používáme ke zjištění optimální cílové prodlevy a velikosti posuvných oken.

1. Odhadnout pořadí maximální prodlevy pro výběr funkce zpětného pohledu. V našem případě je to počet období do následující intervalu frekvence data, tj. pokud je frekvence denní, bude to týden (7), pokud je to týden, bude to měsíc (4). Hodnoty vynásobené dvěma jsou největšími možnými hodnotami prodlev/posuvných oken. V našich příkladech se budeme zabývat pořadím maximální prodlevy 14 a 8).

2. Vytvořte řadu bez sezóny přidáním komponent trendu a reziduí. Použije se v dalším kroku.

3. Odhad funkce PACF – Částečná automatická korelace na data z (2) a vyhledejte body, kde je automatická korelace významná, tj. její absolutní hodnota je více než 1,96/square_root (hodnota maximální prodlevy), které odpovídají významnosti 95 %.

4. Pokud jsou všechny body významné, považujeme to za silnou sezónnost a nevytváříme funkce zpětného pohledu.

5. Hodnoty PACF prohledáme od začátku a hodnotu před první nevýznamnou automatickou korelací určíme prodlevu. Pokud první významný prvek (hodnota koreluje se sebou samým) následuje nevýznamný, bude prodleva 0 a funkce zpětného vyhledávání nebudeme používat.

feature_lags

Optional[str]

Příznak pro generování prodlev pro číselné funkce s automatickým nebo žádným.

target_rolling_window_size

Optional[Union[str, int]]

Počet minulých období použitých k vytvoření průměru posuvného okna cílového sloupce.

Při prognózování tento parametr představuje n historických období, která se mají použít ke generování předpokládaných hodnot, <= velikost trénovací sady. Pokud tento parametr vynecháte, n je úplná velikost trénovací sady. Tento parametr zadejte, pokud chcete při trénování modelu vzít v úvahu pouze určitou část historie. Pokud je nastavená hodnota auto, bude posuvné okno odhadnuto jako poslední hodnota, kde PACF je více než prahová hodnota významnosti. Podrobnosti najdete v části target_lags.

country_or_region_for_holidays

Optional[str]

Země nebo oblast, která se používá ke generování funkcí svátků. Měly by to být dvoumísmenné kódy země/oblasti iso 3166, například "US" nebo "GB".

use_stl

Nakonfigurujte STL rozklad cílového sloupce časové řady. use_stl můžou mít tři hodnoty: None (výchozí) – žádný dekompozice stl, 'season' – generovat pouze komponentu season a season_trend – generovat komponenty řady i trendu.

seasonality

Optional[Union[int, str]

Nastavte sezónnost časových řad jako celočíselný násobek frekvence řady. Pokud je sezónnost nastavená na hodnotu "auto", bude odvozena. Pokud je nastavená hodnota Žádná, předpokládá se, že časová řada není sezónní, což odpovídá sezónnosti=1.

short_series_handling_config

Parametr definující, jak má AutoML zpracovávat krátké časové řady.

Možné hodnoty: "auto" (výchozí), 'pad', 'drop' a None.

• automatické krátké řady budou polstrovány, pokud neexistují žádné dlouhé řady,

v opačném případě budou krátké řady vyřazeny.

• všechny krátké řady budou polstrovány.
• všechny krátké řady budou vyřazeny".
• Žádné krátké řady nebudou změněny.

Pokud je nastavená hodnota pad, tabulka bude vyplněna nulami a prázdnými hodnotami regresorů a náhodnými hodnotami pro cíl se střední hodnotou cílovou hodnotou pro dané ID časové řady. Pokud je medián větší nebo roven nule, minimální polstrovaná hodnota bude oříznuta nulou: Vstup:

Výstup za předpokladu, že minimální počet hodnot jsou čtyři:

Poznámka: Máme dva parametry short_series_handling_configuration a starší short_series_handling. Když jsou oba parametry nastavené, synchronizujeme je, jak je znázorněno v následující tabulce (short_series_handling_configuration a short_series_handling pro zkrácení jsou označeny jako handling_configuration a zpracování).

frequency

Četnost prognóz.

Při prognózování tento parametr představuje období, se kterým je prognóza požadovaná, například denně, týdně, ročně atd. Frekvence prognózy je ve výchozím nastavení frekvence datové sady. Volitelně můžete nastavit větší (ale ne menší) frekvenci datové sady. Data agregujeme a vygenerujeme výsledky s frekvencí prognózy. Například u denních dat můžete nastavit denní, týdenní nebo měsíční frekvenci, ale ne hodinovou. Četností musí být alias posunu pandas. Další informace najdete v dokumentaci k knihovně pandas: https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#dateoffset-objects

target_aggregate_function

Funkce, která se má použít k agregaci cílového sloupce časové řady tak, aby odpovídala frekvenci zadané uživatelem. Pokud je target_aggregation_function nastaven, ale není nastavený parametr freq, dojde k chybě. Možné cílové agregační funkce jsou: "sum", "max", "min" a "mean".

• Hodnoty cílového sloupce se agregují na základě zadané operace. Součet je obvykle vhodný pro většinu scénářů.

• Sloupce s číselnou vysvětlující hodnotou ve vašich datech se agregují podle součtu, průměru, minimální hodnoty a maximální hodnoty. V důsledku toho automatizované strojové učení vygeneruje nové sloupce s příponou s názvem agregační funkce a použije vybranou agregační operaci.

• U sloupců s předpověďmi kategorií se data agregují podle režimu, nejvýraznější kategorie v okně.

• Sloupce vysvětlující datum se agregují podle minimální hodnoty, maximální hodnoty a režimu.

cv_step_size

Optional[int]

Počet období mezi origin_time jednoho záhybu CV a dalším přehybem. Pokud například n_step = 3 pro denní data, čas počátku každého záhybů bude tři dny od sebe.

features_unknown_at_forecast_time

Optional[Union[str, List[str]]]

Sloupce funkcí, které jsou k dispozici pro trénování, ale nejsou v době prognózy nebo odvozování neznámé. Pokud je features_unknown_at_forecast_time nastavený na prázdný seznam, předpokládá se, že jsou v době odvozování známé všechny sloupce funkcí v datové sadě. Pokud tento parametr není nastavený, podpora budoucích funkcí se nepovolí.

exit_score

Optional[float]

Cílové skóre pro experiment. Experiment se ukončí po dosažení tohoto skóre. Pokud není zadaný (bez kritérií), experiment se spustí, dokud se u primární metriky neuskuteční žádný další postup. Další informace o kritériích ukončení najdete v tomto článku . Výchozí hodnota je Žádná.

max_concurrent_trials

Optional[int]

Jedná se o maximální počet paralelně spuštěných iterací. Výchozí hodnota je 1.

• Clustery AmlCompute podporují jednu spuštěnou iteraci na uzel.

V případě několika nadřazených spuštění experimentů Automatizovaného strojového učení spuštěných paralelně v jednom clusteru AmlCompute by součet max_concurrent_trials hodnot pro všechny experimenty měl být menší nebo roven maximálnímu počtu uzlů. V opačném případě budou spuštění zařazena do fronty, dokud nebudou k dispozici uzly.

• DSVM podporuje více iterací na uzel. max_concurrent_trials By měla

musí být menší než nebo roven počtu jader na DSVM. V případě několika experimentů spuštěných paralelně na jednom počítači DSVM by součet max_concurrent_trials hodnot všech experimentů měl být menší nebo roven maximálnímu počtu uzlů.

• Databricks – max_concurrent_trials hodnota by měla být menší než nebo rovna počtu

pracovní uzly v Databricks.

max_concurrent_trials se nevztahuje na místní spuštění. Dříve se tento parametr jmenoval concurrent_iterations.

max_cores_per_trial

Optional[int]

Maximální počet vláken, které se mají použít pro danou iteraci trénování. Přijatelné hodnoty:

• Větší než 1 a menší nebo roven maximálnímu počtu jader na cílovém výpočetním objektu

• Rovná se hodnotě -1, což znamená použít všechna možná jádra na iteraci na podřízený běh.

• Výchozí hodnota se rovná 1.

max_nodes

Optional[int]

[Experimentální] Maximální počet uzlů, které se mají použít pro distribuované trénování.

• Pro prognózování se každý model trénuje pomocí uzlů max(2, int(max_nodes / max_concurrent_trials)).

• Pro účely klasifikace/regrese se každý model trénuje pomocí uzlů max_nodes.

Poznámka: Tento parametr je ve verzi Public Preview a v budoucnu se může změnit.

max_trials

Optional[int]

Celkový počet různých kombinací algoritmů a parametrů, které se mají otestovat během experimentu automatizovaného strojového učení. Pokud není zadaný, výchozí hodnota je 1 000 iterací.

timeout_minutes

Optional[int]

Maximální doba v minutách, kterou mohou všechny kombinované iterace trvat, než se experiment ukončí. Pokud není zadaný, výchozí časový limit experimentu je 6 dnů. Pokud chcete zadat časový limit kratší nebo roven 1 hodině, ujistěte se, že velikost datové sady není větší než 10 000 000 (počet řádků ve sloupci) nebo zajistěte, aby výsledek chyby nebyl ve výchozím nastavení Žádný.

trial_timeout_minutes

Optional[int]

Maximální doba v minutách, po kterou může každá iterace běžet, než se ukončí. Pokud není zadaný, použije se hodnota 1 měsíc nebo 43200 minut, výchozí hodnota je Žádná.

enable_dnn_training

Optional[bool]

Jestli se mají při výběru modelu zahrnout modely založené na DNN. Výchozí hodnota je však true pro úlohy NLP DNN a pro všechny ostatní úlohy Automatizovaného strojového učení je false.

enable_model_explainability

Jestli chcete povolit vysvětlení nejlepšího modelu Automatizovaného strojového učení na konci všech iterací trénování automatizovaného strojového učení. Další informace najdete v tématu Interpretovatelnost: vysvětlení modelů v automatizovaném strojovém učení. , výchozí hodnota je Žádná

enable_stack_ensemble

Jestli chcete povolit nebo zakázat iteraci StackEnsemble. Pokud se nastavuje příznak enable_onnx_compatible_models , iterace StackEnsemble se zakáže. Podobně u úkolů Timeseries bude iterace StackEnsemble ve výchozím nastavení zakázaná, aby se zabránilo riziku přeurčení kvůli malé trénovací sadě používané k přizpůsobení metaučávače. Další informace o souborech najdete v tématu Konfigurace souboru , výchozí hodnota je Žádná.

enable_vote_ensemble

Jestli chcete povolit nebo zakázat iteraci VotingEnsemble. Další informace o souborech najdete v tématu Konfigurace souboru , výchozí hodnota je Žádná.

stack_ensemble_settings

Optional[StackEnsembleSettings]

Nastavení pro iteraci StackEnsemble, výchozí hodnota je None

ensemble_model_download_timeout

Optional[int]

Během generování modelu VotingEnsemble a StackEnsemble se stáhne více fitovaných modelů z předchozích podřízených spuštění. Nakonfigurujte tento parametr s vyšší hodnotou než 300 sekund. Pokud je potřeba více času, výchozí hodnota není žádná.

allowed_training_algorithms

Optional[List[str]]

Seznam názvů modelů pro vyhledání experimentu Pokud není zadaný, použijí se všechny modely podporované pro danou úlohu a použijí se všechny zadané v blocked_training_algorithms modelech TensorFlow nebo zastaralé modely TensorFlow, výchozí hodnota je None (Žádný).

blocked_training_algorithms

Optional[List[str]]

Seznam algoritmů, které se při experimentu mají ignorovat, výchozí hodnota je None (Žádný)

training_mode

[Experimentální] Režim trénování, který se má použít. Možné hodnoty jsou-

• distributed – umožňuje distribuované trénování pro podporované algoritmy.

• non_distributed – zakáže distribuované trénování.

• auto – v současné době je stejná jako non_distributed. V budoucnu se to může změnit.

Poznámka: Tento parametr je ve verzi Public Preview a v budoucnu se může změnit.