ModelProxy Classe

  • Riferimento

Nota

Si tratta di una classe sperimentale e può cambiare in qualsiasi momento. Per altre informazioni, vedere https://aka.ms/azuremlexperimental.

Oggetto proxy per i modelli AutoML che abilita l'inferenza nel calcolo remoto.

Creare un oggetto ModelProxy AutoML per inviare l'inferenza all'ambiente di training.

Ereditarietà
builtins.object
ModelProxy

Costruttore

ModelProxy(child_run, compute_target=None)

Parametri

Nome Descrizione
child_run
Necessario

Esecuzione figlio da cui verrà scaricato il modello.
compute_target
Necessario

Sovrascrivere per il calcolo di destinazione su cui eseguire l'inferenza.

Metodi

forecast

Inviare un processo per eseguire previsioni sul modello per i valori specificati.
forecast_quantiles

Inviare un processo per eseguire forecast_quantiles sul modello per i valori specificati.
predict

Inviare un processo per eseguire la stima sul modello per i valori specificati.
predict_proba

Inviare un processo per eseguire predict_proba sul modello per i valori specificati.
test

Recuperare le stime dalle test_data metriche pertinenti e di calcolo.

forecast

Inviare un processo per eseguire previsioni sul modello per i valori specificati.

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

Parametri

Nome Descrizione
X_values
Necessario
AbstractDataset oppure DataFrame oppure ndarray

Dati di test di input per l'esecuzione della previsione.
y_values
AbstractDataset oppure DataFrame oppure ndarray

Immettere i valori y per eseguire la previsione.

Valore predefinito: None

Restituisce

Tipo Descrizione

Valori di previsione.

forecast_quantiles

Inviare un processo per eseguire forecast_quantiles sul modello per i valori specificati.

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

Parametri

Nome Descrizione
X_values
Necessario
AbstractDataset

Dati di test di input per l'esecuzione della previsione.
y_values

Immettere i valori y per eseguire la previsione.

Valore predefinito: None
forecast_destination
<xref:pandas.Timestamp>

Forecast_destination: valore timestamp. Le previsioni verranno effettuate fino al forecast_destination tempo, per tutti i grani. L'input del dizionario { grain -> timestamp } non verrà accettato. Se forecast_destination non viene specificato, verrà attribuito come l'ultima volta che si verifica in X_pred per ogni granularità.

Valore predefinito: None
ignore_data_errors
bool

Ignorare gli errori nei dati utente.

Valore predefinito: False

predict

Inviare un processo per eseguire la stima sul modello per i valori specificati.

predict(values: Any) -> AbstractDataset

Parametri

Nome Descrizione
values
Necessario
AbstractDataset oppure DataFrame oppure ndarray

Dati di test di input per l'esecuzione della stima.

Restituisce

Tipo Descrizione

Valori stimati.

predict_proba

Inviare un processo per eseguire predict_proba sul modello per i valori specificati.

predict_proba(values: Any) -> AbstractDataset

Parametri

Nome Descrizione
values
Necessario
AbstractDataset oppure DataFrame oppure ndarray

Dati di test di input per l'esecuzione della stima.

Restituisce

Tipo Descrizione

Valori stimati.

test

Recuperare le stime dalle test_data metriche pertinenti e di calcolo.

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

Parametri

Nome Descrizione
test_data
Necessario

Set di dati di test.
include_predictions_only

Indica se includere o meno solo le stime come parte dell'output predictions.csv.

Se questo parametro è True , le colonne CSV di output sono simili a (la previsione è la stessa della regressione):

Classification => [predicted values], [probabilities]

Regression => [predicted values]

else (impostazione predefinita):

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

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

Nome [original test data labels] della colonna = [label column name] + "_orig".

Nome [predicted values] della colonna = [label column name] + "_predicted".

Nomi di [probabilities] colonna = [class name] + "_predicted_proba".

Nomi di [features] colonna = [feature column name] + "_orig".

Se non test_data include una colonna di destinazione, [original test data labels] non sarà presente nel dataframe di output.

Valore predefinito: False

Restituisce

Tipo Descrizione

Tupla contenente i valori stimati e le metriche.