DataDriftDetector 類別

在指定的開始和結束日期上執行回填作業。

如需數據漂移回填執行的詳細數據，請參閱 https://aka.ms/datadrift。

注意：只有數據集型 DataDriftDetector 物件才支援 Backfill。

backfill(start_date, end_date, compute_target=None, create_compute_target=False)

參數

傳回

從基準表格式數據集和目標時間序列數據集建立新的 DataDriftDetector 物件。

static create_from_datasets(workspace, name, baseline_dataset, target_dataset, compute_target=None, frequency=None, feature_list=None, alert_config=None, drift_threshold=None, latency=None)

參數

傳回

例外狀況

備註

以數據集為基礎的 DataDriftDetectors 可讓您計算基準數據集之間的數據漂移，該數據集必須是 TabularDataset，而目標數據集必須是時間序列數據集。 時間序列數據集只是具有 fine_grain_timestamp 屬性的 TabularDataset。 然後，DataDriftDetector 可以執行 臨機操作 或排程工作，以判斷目標數據集是否已偏離基準數據集。

   from azureml.core import Workspace, Dataset
   from azureml.datadrift import DataDriftDetector

   ws = Workspace.from_config()
   baseline = Dataset.get_by_name(ws, 'my_baseline_dataset')
   target = Dataset.get_by_name(ws, 'my_target_dataset')

   detector = DataDriftDetector.create_from_datasets(workspace=ws,
                                                     name="my_unique_detector_name",
                                                     baseline_dataset=baseline,
                                                     target_dataset=target,
                                                     compute_target_name='my_compute_target',
                                                     frequency="Day",
                                                     feature_list=['my_feature_1', 'my_feature_2'],
                                                     alert_config=AlertConfiguration(email_addresses=['user@contoso.com']),
                                                     drift_threshold=0.3,
                                                     latency=1)

刪除 DataDriftDetector 物件的排程。

delete(wait_for_completion=True)

參數

停用 DataDriftDetector 物件的排程。

disable_schedule(wait_for_completion=True)

參數

建立排程以執行以數據集為基礎的 DataDriftDetector 作業。

enable_schedule(create_compute_target=False, wait_for_completion=True)

參數

擷取指定工作區和名稱的唯一 DataDriftDetector 物件。

static get_by_name(workspace, name)

參數

傳回

取得特定時間範圍中特定 DataDriftDetector 之漂移結果和計量的 Tuple。

get_output(start_time=None, end_time=None, run_id=None)

參數

傳回

備註

此方法會根據執行類型傳回漂移結果和計量的 Tuple：臨機操作 執行、排程的執行，以及回填執行。

• 若要擷取 臨機操作 執行結果，只有一種方式：run_id 應該是有效的 GUID。

• 若要擷取排程的執行和回填執行結果，有兩種不同的方式：將有效的 GUID 指派給 run_id 或指派特定的 start_time 和/或 end_time（含），同時將 run_id 保留為 None。

• 如果 run_id、start_time和 end_time 在相同的方法呼叫中不是 None，則會引發參數驗證例外狀況。

注意： 指定 start_time 和 end_time 參數或 run_id 參數，但不能同時指定兩者。

相同的目標日期可能會有多個結果（目標日期表示數據集型漂移的目標數據集開始日期）。 因此，必須識別並處理重複的結果。 針對以數據集為基礎的漂移，如果結果是針對相同的目標日期，則會是重複的結果。 get_output 方法會依一個規則重複任何重複的結果重複執行：一律會挑選最新的產生結果。

get_output 方法可用來擷取排程執行的所有輸出或部分輸出，其時間範圍介於 start_time 和 end_time 之間（包含界限）。 您也可以藉由指定 run_id來限制個別 臨機操作 的結果。

使用下列指導方針來協助解譯從 get_output 方法傳回的結果：

• 篩選原則為「重疊」：只要實際結果時間之間有重疊（以數據集為基礎：目標數據集 [開始日期，結束日期]] 和指定的 [start_time，end_time]，就會挑選結果。

• 如果一個目標日期有多個輸出，因為漂移計算會針對該天執行數次，則預設只會挑選最新的輸出。

• 假設有多個類型的數據漂移實例，結果內容可能會不同。

針對以數據集為基礎的結果，輸出看起來會像這樣：

   results : [{'drift_type': 'DatasetBased',
               'result':[{'has_drift': True, 'drift_threshold': 0.3,
                          'start_date': '2019-04-03', 'end_date': '2019-04-04',
                          'base_dataset_id': '4ac144ef-c86d-4c81-b7e5-ea6bbcd2dc7d',
                          'target_dataset_id': '13445141-aaaa-bbbb-cccc-ea23542bcaf9'}]}]
   metrics : [{'drift_type': 'DatasetBased',
               'metrics': [{'schema_version': '0.1',
                            'start_date': '2019-04-03', 'end_date': '2019-04-04',
                            'baseline_dataset_id': '4ac144ef-c86d-4c81-b7e5-ea6bbcd2dc7d',
                            'target_dataset_id': '13445141-aaaa-bbbb-cccc-ea23542bcaf9'
                            'dataset_metrics': [{'name': 'datadrift_coefficient', 'value': 0.53459}],
                            'column_metrics': [{'feature1': [{'name': 'datadrift_contribution',
                                                              'value': 288.0},
                                                             {'name': 'wasserstein_distance',
                                                              'value': 4.858040000000001},
                                                             {'name': 'energy_distance',
                                                              'value': 2.7204799576545313}]}]}]}]

取得指定工作區和選擇性數據集的 DataDriftDetector 物件清單。

注意： 只傳入 workspace 參數會傳回工作區中定義的所有 DataDriftDetector 物件。

static list(workspace, baseline_dataset=None, target_dataset=None)

參數

傳回

執行單一時間點數據漂移分析。

run(target_date, compute_target=None, create_compute_target=False, feature_list=None, drift_threshold=None)

參數

傳回

顯示指定時間範圍內的數據漂移趨勢。

根據預設，此方法會顯示最新的10個週期。 例如，如果 frequency 是 day，則會是最近的 10 天。 如果 frequency 是 week，則這將是最新的 10 周。

show(start_time=None, end_time=None)

參數

傳回

更新與 DataDriftDetector 對象相關聯的排程。

選擇性參數值可以設定為 None，否則會預設為現有的值。

update(compute_target=Ellipsis, feature_list=Ellipsis, schedule_start=Ellipsis, alert_config=Ellipsis, drift_threshold=Ellipsis, wait_for_completion=True)

參數

傳回

取得 DataDriftDetector 物件的警示組態。

傳回

取得與 DataDriftDetector 對象相關聯的基準數據集。

傳回

取得附加至 DataDriftDetector 物件的計算目標。

傳回

取得 DataDriftDetector 物件的漂移閾值。

傳回

取得 DataDriftDetector 的類型，『DatasetBased』 是目前唯一支援的值。

傳回

取得布爾值，指出是否啟用 DataDriftDetector 物件。

傳回

取得 DataDriftDetector 物件的允許清單功能清單。

傳回

取得 DataDriftDetector 排程的頻率。

傳回

取得 DataDriftDetector 排程的間隔。

傳回

取得 DataDriftDetector 排程作業的延遲（以小時為單位）。

傳回

取得 DataDriftDetector 物件的名稱。

傳回

取得排程的開始時間。

傳回

表示 DataDriftDetector 排程的狀態。

傳回

取得與 DataDriftDetector 物件相關聯的目標數據集。

傳回

取得 DataDriftDetector 物件的工作區。

傳回