Compartir a través de


ModelProxy Clase

Nota:

Se trata de una clase experimental y puede cambiar en cualquier momento. Consulte https://aka.ms/azuremlexperimental para obtener más información.

Objeto proxy para modelos autoML que habilitan la inferencia en el proceso remoto.

Cree un objeto ModelProxy de AutoML para enviar la inferencia al entorno de entrenamiento.

Constructor

ModelProxy(child_run, compute_target=None)

Parámetros

Nombre Description
child_run
Requerido

La ejecución secundaria desde la que se descargará el modelo.

compute_target
Requerido

Sobrescriba el proceso de destino en el que se va a inferenciar.

Métodos

forecast

Envíe un trabajo para ejecutar la previsión en el modelo para los valores especificados.

forecast_quantiles

Envíe un trabajo para ejecutar forecast_quantiles en el modelo para los valores especificados.

predict

Envíe un trabajo para ejecutar la predicción en el modelo para los valores especificados.

predict_proba

Envíe un trabajo para ejecutar predict_proba en el modelo para los valores especificados.

test

Recupere las predicciones de las test_data métricas pertinentes y de proceso.

forecast

Envíe un trabajo para ejecutar la previsión en el modelo para los valores especificados.

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

Parámetros

Nombre Description
X_values
Requerido

Datos de prueba de entrada en los que se va a ejecutar la previsión.

y_values

Valores y de entrada para ejecutar la previsión.

Valor predeterminado: None

Devoluciones

Tipo Description

Los valores de previsión.

forecast_quantiles

Envíe un trabajo para ejecutar forecast_quantiles en el modelo para los valores especificados.

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

Parámetros

Nombre Description
X_values
Requerido

Datos de prueba de entrada en los que se va a ejecutar la previsión.

y_values

Valores y de entrada para ejecutar la previsión.

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

Forecast_destination: un valor de marca de tiempo. Las previsiones se realizarán hasta el forecast_destination tiempo, para todos los granos. La entrada del diccionario { grain -> timestamp } no se aceptará. Si no se proporciona forecast_destination, se imputará como la última vez que se produjo en X_pred para cada grano.

Valor predeterminado: None
ignore_data_errors

Omitir errores en los datos de usuario.

Valor predeterminado: False

predict

Envíe un trabajo para ejecutar la predicción en el modelo para los valores especificados.

predict(values: Any) -> AbstractDataset

Parámetros

Nombre Description
values
Requerido

Datos de prueba de entrada en los que se va a ejecutar la predicción.

Devoluciones

Tipo Description

Valores previstos.

predict_proba

Envíe un trabajo para ejecutar predict_proba en el modelo para los valores especificados.

predict_proba(values: Any) -> AbstractDataset

Parámetros

Nombre Description
values
Requerido

Datos de prueba de entrada en los que se va a ejecutar la predicción.

Devoluciones

Tipo Description

Valores previstos.

test

Recupere las predicciones de las test_data métricas pertinentes y de proceso.

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

Parámetros

Nombre Description
test_data
Requerido

Conjunto de datos de prueba.

include_predictions_only

Indica si solo se deben incluir las predicciones como parte de la salida de predictions.csv.

Si este parámetro es True , las columnas CSV de salida tienen el mismo aspecto (la previsión es la misma que la regresión):

Classification => [predicted values], [probabilities]

Regression => [predicted values]

else (valor predeterminado):

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

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

El nombre de [original test data labels] columna = [label column name] + "_orig".

El nombre de [predicted values] columna = [label column name] + "_predicted".

Los nombres de columna [probabilities] = [class name] + "_predicted_proba".

Los nombres de columna [features] = [feature column name] + "_orig".

test_data Si no incluye una columna de destino, [original test data labels] no estará en la trama de datos de salida.

Valor predeterminado: False

Devoluciones

Tipo Description

Una tupla que contiene los valores previstos y las métricas.