ClassificationJob Classe

kwargs

dict

Argumentos adicionais a serem passados para o serializador YAML.

target_column_name

str

Nome da coluna de destino.

weight_column_name

Optional[str]

Nome da coluna de peso, o padrão é Nenhum

validation_data

Optional[Input]

Dados de validação, o padrão é Nenhum

validation_data_size

Optional[float]

Tamanho dos dados de validação, o padrão é Nenhum

n_cross_validations

Optional[Union[str, int]]

n_cross_validations, o padrão é Nenhum

cv_split_column_names

Optional[List[str]]

cv_split_column_names, o padrão é Nenhum

test_data

Optional[Input]

Dados de teste, o padrão é Nenhum

test_data_size

Optional[float]

Tamanho dos dados de teste, o padrão é Nenhum

column_name_and_types

Optional[Dict[str, str]]

Um dicionário de nomes de coluna e tipos de recursos usados para atualizar a finalidade da coluna , usa como padrão Nenhum

dataset_language

Optional[str]

Código ISO 639-3 de três caracteres para os idiomas contidos no conjunto de dados. Há suporte para idiomas diferentes do inglês se você usar a computação habilitada para GPU. O language_code 'mul' deverá ser usado se o conjunto de dados contiver vários idiomas. Para localizar códigos ISO 639-3 para idiomas diferentes, consulte https://en.wikipedia.org/wiki/List_of_ISO_639-3_codes, padrão como Nenhum

transformer_params

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

Um dicionário de transformador e parâmetros de personalização correspondentes , o padrão é Nenhum

mode

Optional[str]

"off", "auto", usa como padrão "auto", o padrão é None

enable_dnn_featurization

Optional[bool]

Se os métodos de engenharia de recursos baseados em DNN devem ser incluídos, o padrão é Nenhum

exit_score

Optional[float]

Pontuação de destino para o experimento. O experimento termina depois que essa pontuação é atingida. Se não for especificado (nenhum critério), o experimento será executado até que nenhum outro progresso seja feito na métrica primária. Para obter mais informações sobre critérios de saída, consulte este artigo , padrão como Nenhum

max_concurrent_trials

Optional[int]

Esse é o número máximo de iterações que seriam executadas em paralelo. O valor padrão é 1.

• Os clusters AmlCompute dão suporte a uma iteração em execução por nó.

Para várias execuções pai do experimento de AutoML em paralelo em um único cluster AmlCompute, a soma dos valores de max_concurrent_trials para todos os experimentos deve ser menor ou igual ao número máximo de nós. Caso contrário, as execuções serão enfileiradas até que os nós estejam disponíveis.

• O DSVM dá suporte a várias iterações por nó. max_concurrent_trials Deve

ser menor ou igual ao número de núcleos na DSVM. Para várias execuções do experimento em paralelo em um único DSVM, a soma dos valores de max_concurrent_trials para todos os experimentos deve ser menor ou igual ao número máximo de nós.

• Databricks – max_concurrent_trials deve ser menor ou igual ao número de

nós de trabalho no Databricks.

max_concurrent_trials não se aplica a execuções locais. Anteriormente, esse parâmetro foi nomeado como concurrent_iterations.

max_cores_per_trial

Optional[int]

O número máximo de threads a serem usados para uma determinada iteração de treinamento. Valores aceitáveis:

• Maior que 1 e menor ou igual ao número máximo de núcleos no destino de computação.

• Igual a -1, o que significa usar todos os núcleos possíveis por iteração e por execução filho.

• Igual a 1, o padrão.

max_nodes

Optional[int]

[Experimental] O número máximo de nós a serem usados para treinamento distribuído.

• Para previsão, cada modelo é treinado usando nós max(2, int(max_nodes/max_concurrent_trials)).

• Para classificação/regressão, cada modelo é treinado usando nós max_nodes.

Observação- Esse parâmetro está em versão prévia pública e pode ser alterado no futuro.

max_trials

Optional[int]

O número total de combinações diferentes de algoritmo e parâmetro a serem testadas durante um experimento do ML automatizado. Se não for especificado, o padrão será 1000 iterações.

timeout_minutes

Optional[int]

Quantidade máxima de tempo em minutos que todas as iterações combinadas podem levar antes que o experimento seja encerrado. Se não for especificado, o tempo limite do experimento padrão será de 6 dias. Para especificar um tempo limite menor ou igual a 1 hora, verifique se o tamanho do conjunto de dados não é maior que 10.000.000 (coluna de horas de linhas) ou um resultado de erro, o padrão é Nenhum

trial_timeout_minutes

Optional[int]

Tempo máximo em minutos em que cada iteração pode ser executada antes de ser terminada. Se não for especificado, um valor de 1 mês ou 43200 minutos será usado, o padrão é Nenhum

enable_dnn_training

Optional[bool]

Se deve incluir modelos baseados em DNN durante a seleção do modelo. No entanto, o padrão é True para tarefas do DNN NLP e False para todas as outras tarefas do AutoML.

enable_model_explainability

Optional[bool]

Se deve habilitar a explicação do melhor modelo do AutoML no final de todas as iterações de treinamento do AutoML. Para obter mais informações, consulte Interpretabilidade: explicações de modelo no machine learning automatizado. , usa como padrão Nenhum

enable_stack_ensemble

Optional[bool]

Se deve habilitar/desabilitar a iteração StackEnsemble. Se o sinalizador enable_onnx_compatible_models estiver sendo definido, a iteração StackEnsemble será desabilitada. Da mesma forma, para tarefas da série temporal, a iteração StackEnsemble será desabilitada por padrão, para evitar riscos de sobreajuste devido a um pequeno conjunto de treinamento usado para ajustar o aprendiz meta. Para obter mais informações sobre ensembles, consulte Configuração do Ensemble , padrão para Nenhum

enable_vote_ensemble

Optional[bool]

Se deve habilitar/desabilitar a iteração VotingEnsemble. Para obter mais informações sobre ensembles, consulte Configuração do Ensemble , padrão para Nenhum

stack_ensemble_settings

Optional[StackEnsembleSettings]

Configurações para iteração StackEnsemble, o padrão é Nenhum

ensemble_model_download_timeout

Optional[int]

Durante a geração de modelo VotingEnsemble e StackEnsemble, vários modelos ajustados das execuções filho anteriores são baixados. Configure esse parâmetro com um valor superior a 300 segundos, se for necessário mais tempo, o padrão será Nenhum

allowed_training_algorithms

Optional[List[str]]

Uma lista de nomes de modelos para pesquisar um experimento. Se não for especificado, todos os modelos com suporte para a tarefa serão usados menos os modelos do TensorFlow especificados blocked_training_algorithms ou preteridos, o padrão é Nenhum

blocked_training_algorithms

Optional[List[str]]

Uma lista de algoritmos a serem ignorados para um experimento, o padrão é Nenhum

training_mode

Optional[Union[str, TabularTrainingMode]]

[Experimental] O modo de treinamento a ser usado. Os valores possíveis são-

• distributed- habilita o treinamento distribuído para algoritmos com suporte.

• non_distributed- desabilita o treinamento distribuído.

• auto- Atualmente, é o mesmo que non_distributed. No futuro, isso pode mudar.

Observação: esse parâmetro está em versão prévia pública e pode ser alterado no futuro.