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 |
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
else (valor predeterminado):
El nombre de El nombre de Los nombres de columna Los nombres de columna
Valor predeterminado: False
|
Devoluciones
Tipo | Description |
---|---|
Una tupla que contiene los valores previstos y las métricas. |