Поделиться через

ModelProxy Класс

Замечание

Это экспериментальный класс и может измениться в любое время. Дополнительные сведения см. по адресу https://aka.ms/acr/connected-registry.

Прокси-объект для моделей AutoML, который позволяет выводить удаленные вычисления.

Создайте объект AutoML ModelProxy для отправки вывода в среду обучения.

Конструктор

ModelProxy(child_run, compute_target=None)

Параметры

Имя Описание
child_run
Обязательно

Дочерний запуск, из которого будет загружена модель.
compute_target
Обязательно

Перезапись целевого вычисления для вывода.

Методы

forecast

Отправьте задание для выполнения прогноза в модели для заданных значений.
forecast_quantiles

Отправьте задание, чтобы запустить forecast_quantiles в модели для заданных значений.
predict

Отправьте задание для выполнения прогноза в модели для заданных значений.
predict_proba

Отправьте задание для выполнения predict_proba в модели для заданных значений.
test

Получение прогнозов из test_data соответствующих метрик и вычислений.

forecast

Отправьте задание для выполнения прогноза в модели для заданных значений.

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

Параметры

Имя Описание
X_values
Обязательно
AbstractDataset или DataFrame или ndarray

Входные тестовые данные для выполнения прогноза.
y_values
AbstractDataset или DataFrame или ndarray

Входные значения y для запуска прогноза.

Default value: None

Возвращаемое значение

Тип Описание

Значения прогноза.

forecast_quantiles

Отправьте задание, чтобы запустить forecast_quantiles в модели для заданных значений.

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

Параметры

Имя Описание
X_values
Обязательно
AbstractDataset

Входные тестовые данные для выполнения прогноза.
y_values

Входные значения y для запуска прогноза.

Default value: None
forecast_destination
<xref:pandas.Timestamp>

Forecast_destination: значение метки времени. Прогнозы будут сделаны до forecast_destination времени для всех зерен. Входные данные словаря { grain -> timestamp } не будут приняты. Если forecast_destination не дано, оно будет вменяться в качестве последнего времени, возникавшего в X_pred для каждого зерна.

Default value: None
ignore_data_errors
bool

Игнорировать ошибки в пользовательских данных.

Default value: False

predict

Отправьте задание для выполнения прогноза в модели для заданных значений.

predict(values: Any) -> AbstractDataset

Параметры

Имя Описание
values
Обязательно
AbstractDataset или DataFrame или ndarray

Входные тестовые данные для выполнения прогноза.

Возвращаемое значение

Тип Описание

Прогнозируемые значения.

predict_proba

Отправьте задание для выполнения predict_proba в модели для заданных значений.

predict_proba(values: Any) -> AbstractDataset

Параметры

Имя Описание
values
Обязательно
AbstractDataset или DataFrame или ndarray

Входные тестовые данные для выполнения прогноза.

Возвращаемое значение

Тип Описание

Прогнозируемые значения.

test

Получение прогнозов из test_data соответствующих метрик и вычислений.

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

Параметры

Имя Описание
test_data
Обязательно

Тестовый набор данных.
include_predictions_only

Независимо от того, следует ли включать прогнозы в predictions.csv выходных данных.

Если этот параметр соответствует True выходным столбцам CSV (прогнозирование совпадает с регрессией):

Classification => [predicted values], [probabilities]

Regression => [predicted values]

else (по умолчанию):

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

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

Имя столбца [original test data labels] = [label column name] + "_orig".

Имя столбца [predicted values] = [label column name] + "_predicted".

Имена столбцов [probabilities] = [class name] + "_predicted_proba".

Имена столбцов [features] = [feature column name] + "_orig".

test_data Если целевой столбец не включается, [original test data labels] он не будет находиться в выходном кадре данных.

Default value: False

Возвращаемое значение

Тип Описание

Кортеж, содержащий прогнозируемые значения и метрики.