Compartilhar via

ModelProxy Classe

  • Referência

Observação

Essa é uma classe experimental e pode mudar a qualquer momento. Consulte https://aka.ms/azuremlexperimental para obter mais informações.

Objeto de proxy para modelos de ML automatizado que permitem a inferência na computação remota.

Crie um objeto AutoML ModelProxy para enviar inferência ao ambiente de treinamento.

Herança
builtins.object
ModelProxy

Construtor

ModelProxy(child_run, compute_target=None)

Parâmetros

Nome Description
child_run
Obrigatório

A execução filho da qual o modelo será baixado.
compute_target
Obrigatório

Substitua a computação de destino para inferência.

Métodos

forecast

Envie um trabalho para executar a previsão no modelo para os valores determinados.
forecast_quantiles

Enviar um trabalho para executar forecast_quantiles no modelo para os valores determinados.
predict

Enviar um trabalho para executar a previsão no modelo para os valores determinados.
predict_proba

Enviar um trabalho para executar predict_proba no modelo para os valores determinados.
test

Recuperar previsões de test_data e compute as métricas relevantes.

forecast

Envie um trabalho para executar a previsão no modelo para os valores determinados.

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

Parâmetros

Nome Description
X_values
Obrigatório
AbstractDataset ou DataFrame ou ndarray

Dados de teste de entrada para executar a previsão.
y_values
AbstractDataset ou DataFrame ou ndarray

Entrada de valores y para executar a previsão.

Valor padrão: None

Retornos

Tipo Description

Os valores de previsão.

forecast_quantiles

Enviar um trabalho para executar forecast_quantiles no modelo para os valores determinados.

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

Parâmetros

Nome Description
X_values
Obrigatório
AbstractDataset

Dados de teste de entrada para executar a previsão.
y_values

Entrada de valores y para executar a previsão.

Valor padrão: None
forecast_destination
<xref:pandas.Timestamp>

Forecast_destination: um valor de carimbo de data/hora. As previsões serão feitas até o tempo de previsão_destino, para todas as granularidades. Entrada do dicionário {granularidade - > carimbo de data/hora} não será aceita. Se forecast_destination não for fornecido, será imputado como a última vez que ocorrer em X_pred para cada granularidade.

Valor padrão: None
ignore_data_errors
bool

Ignorar erros nos dados do usuário.

Valor padrão: False

predict

Enviar um trabalho para executar a previsão no modelo para os valores determinados.

predict(values: Any) -> AbstractDataset

Parâmetros

Nome Description
values
Obrigatório
AbstractDataset ou DataFrame ou ndarray

Inserir dados de teste para executar a previsão.

Retornos

Tipo Description

Os valores previstos.

predict_proba

Enviar um trabalho para executar predict_proba no modelo para os valores determinados.

predict_proba(values: Any) -> AbstractDataset

Parâmetros

Nome Description
values
Obrigatório
AbstractDataset ou DataFrame ou ndarray

Inserir dados de teste para executar a previsão.

Retornos

Tipo Description

Os valores previstos.

test

Recuperar previsões de test_data e compute as métricas relevantes.

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

Parâmetros

Nome Description
test_data
Obrigatório

O conjunto de dados de teste.
include_predictions_only

Se deve ou não incluir somente as previsões como parte da saída predictions.csv.

Se esse parâmetro for True as colunas CSV de saída se parecerão (a previsão é o mesmo que regressão):

Classification => [predicted values], [probabilities]

Regression => [predicted values]

else (default):

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

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

O nome da coluna [original test data labels] = [label column name] + "_orig".

O nome da coluna [predicted values] = [label column name] + "_predicted".

[probabilities]Nomes da coluna = [class name] + "_predicted_proba".

[features]Nomes da coluna = [feature column name] + "_orig".

Se o test_data não incluir uma coluna de destino, então [original test data labels] não estará no dataframe de saída.

Valor padrão: False

Retornos

Tipo Description

Uma tupla que contém os valores previstos e as métricas.