ClassificationJob Classe

kwargs

dict

Argomenti aggiuntivi da passare al serializzatore YAML.

target_column_name

str

Nome colonna della colonna di destinazione.

weight_column_name

Optional[str]

Nome colonna peso, impostazione predefinita none

validation_data

Optional[Input]

Dati di convalida, impostazione predefinita none

validation_data_size

Optional[float]

Dimensioni dei dati di convalida, impostazione predefinita none

n_cross_validations

Optional[Union[str, int]]

n_cross_validations, impostazione predefinita none

cv_split_column_names

Optional[List[str]]

cv_split_column_names, impostazione predefinita none

test_data

Optional[Input]

Dati di test, impostazione predefinita none

test_data_size

Optional[float]

Dimensioni dei dati di test, impostazione predefinita none

column_name_and_types

Optional[Dict[str, str]]

Dizionario dei nomi delle colonne e dei tipi di funzionalità usati per aggiornare lo scopo della colonna , impostazione predefinita su Nessuno

dataset_language

Optional[str]

Codice ISO 639-3 di tre caratteri per i linguaggi contenuti nel set di dati. Le lingue diverse dall'inglese sono supportate solo se si usa il calcolo abilitato per la GPU. L'language_code 'mul' deve essere usato se il set di dati contiene più lingue. Per trovare codici ISO 639-3 per lingue diverse, fare riferimento a https://en.wikipedia.org/wiki/List_of_ISO_639-3_codes, per impostazione predefinita none

transformer_params

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

Dizionario di trasformatori e parametri di personalizzazione corrispondenti, il valore predefinito è Nessuno

mode

Optional[str]

"off", "auto", il valore predefinito è "auto", il valore predefinito è Nessuno

enable_dnn_featurization

Optional[bool]

Indica se includere metodi di progettazione delle funzionalità basati su DNN, per impostazione predefinita None

exit_score

Optional[float]

Punteggio di destinazione per l'esperimento. L'esperimento termina dopo il raggiungimento di questo punteggio. Se non viene specificato (nessun criterio), l'esperimento viene eseguito fino a quando non viene eseguito alcun ulteriore progresso sulla metrica primaria. Per altre informazioni sui criteri di uscita, vedere questo articolo , per impostazione predefinita None

max_concurrent_trials

Optional[int]

Si tratta del numero massimo di iterazioni che verrebbero eseguite in parallelo. Il valore predefinito è 1.

• I cluster AmlCompute supportano un'iterazione in esecuzione per ogni nodo.

Per più esecuzioni padre dell'esperimento AutoML eseguite in parallelo in un singolo cluster AmlCompute, la somma dei max_concurrent_trials valori per tutti gli esperimenti deve essere minore o uguale al numero massimo di nodi. In caso contrario, le esecuzioni verranno accodate finché i nodi non saranno disponibili.

• DSVM supporta più iterazioni per nodo. max_concurrent_trials Dovrebbe

essere minore o uguale al numero di core nella DSVM. Per più esperimenti eseguiti in parallelo in una singola DSVM, la somma dei max_concurrent_trials valori per tutti gli esperimenti deve essere minore o uguale al numero massimo di nodi.

• Databricks: max_concurrent_trials deve essere minore o uguale al numero di

nodi di lavoro in Databricks.

max_concurrent_trials non si applica alle esecuzioni locali. In precedenza, questo parametro era denominato concurrent_iterations.

max_cores_per_trial

Optional[int]

Numero massimo di thread da usare per una determinata iterazione di training. Valori accettabili:

• Maggiore di 1 e minore o uguale al numero massimo di core nella destinazione di calcolo.

• Uguale a -1, ovvero usare tutti i core possibili per ogni iterazione per ogni esecuzione figlio.

• Uguale a 1, valore predefinito.

max_nodes

Optional[int]

[Sperimentale] Numero massimo di nodi da usare per il training distribuito.

• Per la previsione, ogni modello viene sottoposto a training usando nodi max(2, int(max_nodes/max_concurrent_trials)).

• Per la classificazione/regressione, ogni modello viene sottoposto a training usando i nodi max_nodes.

Nota: questo parametro è disponibile in anteprima pubblica e potrebbe cambiare in futuro.

max_trials

Optional[int]

Numero totale di combinazioni di algoritmi e parametri diversi da testare durante un esperimento di Machine Learning automatizzato. Se non specificato, il valore predefinito è 1000 iterazioni.

timeout_minutes

Optional[int]

Quantità massima di tempo, in minuti, che tutte le iterazioni combinate possono impiegare prima che l'esperimento venga terminato. Se non specificato, il timeout predefinito dell'esperimento è di 6 giorni. Per specificare un timeout minore o uguale a 1 ora, assicurarsi che le dimensioni del set di dati non siano maggiori di 10.000.000 (colonne di righe) o di un errore, il valore predefinito è Nessuno

trial_timeout_minutes

Optional[int]

Tempo massimo in minuti per cui ogni iterazione può essere eseguita prima che venga terminata. Se non specificato, viene utilizzato un valore pari a 1 mese o 43200 minuti, il valore predefinito è Nessuno

enable_dnn_training

Optional[bool]

Indica se includere modelli basati su DNN durante la selezione del modello. Il valore predefinito, tuttavia, è True per le attività NLP della rete neurale di rete e false per tutte le altre attività AutoML.

enable_model_explainability

Optional[bool]

Indica se abilitare la spiegazione del modello AutoML migliore alla fine di tutte le iterazioni di training di AutoML. Per altre informazioni, vedere Interpretabilità: spiegazioni dei modelli in Machine Learning automatizzato. , il valore predefinito è Nessuno

enable_stack_ensemble

Optional[bool]

Indica se abilitare/disabilitare l'iterazione StackEnsemble. Se viene impostato enable_onnx_compatible_models flag, l'iterazione StackEnsemble verrà disabilitata. Analogamente, per le attività Timeseries, l'iterazione StackEnsemble verrà disabilitata per impostazione predefinita, per evitare rischi di overfitting a causa di un piccolo set di training usato per adattare il meta learner. Per altre informazioni sugli insiemi, vedere Configurazione dell'ensemble, impostazione predefinita none

enable_vote_ensemble

Optional[bool]

Indica se abilitare o disabilitare l'iterazione VotingEnsemble. Per altre informazioni sugli insiemi, vedere Configurazione dell'ensemble, impostazione predefinita none

stack_ensemble_settings

Optional[StackEnsembleSettings]

Impostazioni per l'iterazione StackEnsemble, il valore predefinito è Nessuno

ensemble_model_download_timeout

Optional[int]

Durante la generazione del modello VotingEnsemble e StackEnsemble, vengono scaricati più modelli montati delle esecuzioni figlio precedenti. Configurare questo parametro con un valore superiore a 300 secondi, se è necessario più tempo, il valore predefinito è Nessuno

allowed_training_algorithms

Optional[List[str]]

Elenco di nomi di modello da cercare per un esperimento. Se non specificato, tutti i modelli supportati per l'attività vengono usati meno tutti i modelli specificati nei blocked_training_algorithms modelli TensorFlow o deprecati, per impostazione predefinita none

blocked_training_algorithms

Optional[List[str]]

Elenco di algoritmi da ignorare per un esperimento, il valore predefinito è Nessuno

training_mode

Optional[Union[str, TabularTrainingMode]]

[Sperimentale] Modalità di training da usare. I valori possibili sono:

• distributed: abilita il training distribuito per gli algoritmi supportati.

• non_distributed: disabilita il training distribuito.

• auto- Attualmente è uguale a non_distributed. In futuro, questo potrebbe cambiare.

Nota: questo parametro è disponibile in anteprima pubblica e può cambiare in futuro.