AutoMLConfig Klass

Typen av uppgift som ska köras. Värden kan vara "klassificering", "regression" eller "prognostisering" beroende på vilken typ av automatiserat ML-problem som ska lösas.

Den fullständiga sökvägen till Azure Machine Learning-projektmappen. Om det inte anges är standardvärdet att använda den aktuella katalogen eller ".".

Det totala antalet olika kombinationer av algoritmer och parametrar som ska testas under ett automatiserat ML-experiment. Om det inte anges är standardvärdet 1 000 iterationer.

Måttet som Automatiserad maskininlärning optimerar för modellval. Automatiserad maskininlärning samlar in fler mått än vad som kan optimeras. Du kan använda get_primary_metrics för att hämta en lista över giltiga mått för din angivna uppgift. Mer information om hur mått beräknas finns i https://docs.microsoft.com/azure/machine-learning/how-to-configure-auto-train#primary-metric.

Om det inte anges används noggrannhet för klassificeringsuppgifter, normaliserad rotmedelvärde i kvadrat används för prognostiserings- och regressionsaktiviteter, noggrannhet används för bildklassificering och klassificering av flera etiketter och genomsnittlig genomsnittlig precision används för identifiering av bildobjekt.

Den positiva klassetikett som automatiserad maskininlärning använder för att beräkna binära mått med. Binära mått beräknas i två villkor för klassificeringsuppgifter:

1. etikettkolumnen består av två klasser som anger att autoML för binär klassificering använder angiven positiv klass när positive_label skickas in, annars väljer AutoML en positiv klass baserat på etikettkodat värde.
2. klassificeringsaktivitet för flera klasser med positive_label angivet

Mer information om klassificering finns i checka ut mått för klassificeringsscenarier.

Beräkningsmålet för Azure Machine Learning för att köra experimentet Automatiserad maskininlärning på. Mer https://docs.microsoft.com/en-us/azure/machine-learning/concept-automated-ml#local-remote information om beräkningsmål finns i.

Spark-kontexten. Gäller endast när det används i Azure Databricks/Spark-miljön.

Träningsfunktionerna som ska användas vid montering av pipelines under ett experiment. Den här inställningen är inaktuell. Använd training_data och label_column_name i stället.

Träningsetiketterna som ska användas vid montering av pipelines under ett experiment. Det här är det värde som din modell förutsäger. Den här inställningen är inaktuell. Använd training_data och label_column_name i stället.

Vikten för varje träningsexempel när du kör passande pipelines, varje rad ska motsvara en rad i X- och y-data.

Ange den här parametern när du Xanger . Den här inställningen är inaktuell. Använd training_data och weight_column_name i stället.

Valideringsfunktioner som ska användas vid montering av pipelines under ett experiment.

Om det anges y_valid måste eller sample_weight_valid måste även anges. Den här inställningen är inaktuell. Använd validation_data och label_column_name i stället.

Valideringsetiketter som ska användas vid montering av pipelines under ett experiment.

Både X_valid och y_valid måste anges tillsammans. Den här inställningen är inaktuell. Använd validation_data och label_column_name i stället.

Vikten för varje valideringsexempel när du kör bedömningspipelines bör varje rad motsvara en rad i X- och y-data.

Ange den här parametern när du X_validanger . Den här inställningen är inaktuell. Använd validation_data och weight_column_name i stället.

Index där du kan dela träningsdata för korsvalidering. Varje rad är en separat korsvikt och inom varje korsmapp tillhandahåller du 2 numpy-matriser, den första med indexen för exempel som ska användas för träningsdata och den andra med indexen som ska användas för valideringsdata. dvs. [[t1, v1], [t2, v2], ...] där t1 är träningsindexen för den första korsvikten och v1 är valideringsindexen för den första korsvikten.

Om du vill ange befintliga data som valideringsdata använder du validation_data. Om du vill låta AutoML extrahera valideringsdata från träningsdata i stället anger du antingen n_cross_validations eller validation_size. Använd cv_split_column_names om du har korsvalideringskolumner i training_data.

Vilken del av data som ska lagras för validering när användarverifieringsdata inte har angetts. Detta bör vara mellan 0.0 och 1.0 icke-inkluderande.

Ange validation_data för att tillhandahålla valideringsdata, ange n_cross_validations på annat sätt eller validation_size extrahera valideringsdata från angivna träningsdata. För anpassad korsvalideringsdelegering använder du cv_split_column_names.

Mer information finns i Konfigurera datadelningar och korsvalidering i automatiserad maskininlärning.

Hur många korsvalideringar som ska utföras när användarverifieringsdata inte har angetts.

Ange validation_data för att tillhandahålla valideringsdata, ange n_cross_validations på annat sätt eller validation_size extrahera valideringsdata från angivna träningsdata. För anpassad korsvalideringsdelegering använder du cv_split_column_names.

Mer information finns i Konfigurera datadelningar och korsvalidering i automatiserad maskininlärning.

Minsta värde på y för ett regressionsexperiment. Kombinationen av y_min och y_max används för att normalisera testuppsättningsmått baserat på indataintervallet. Den här inställningen är inaktuell. I stället beräknas det här värdet från data.

Maximalt värde på y för ett regressionsexperiment. Kombinationen av y_min och y_max används för att normalisera testuppsättningsmått baserat på indataintervallet. Den här inställningen är inaktuell. I stället beräknas det här värdet från data.

Antalet klasser i etikettdata för ett klassificeringsexperiment. Den här inställningen är inaktuell. I stället beräknas det här värdet från data.

"auto" / "off" / FeaturizationConfig Indikator för huruvida funktionaliseringssteget ska göras automatiskt eller inte, eller om anpassad funktionalisering ska användas. Obs! Om indata är glesa går det inte att aktivera funktionalisering.

Kolumntypen identifieras automatiskt. Baserat på den identifierade kolumntypen utförs förbearbetning/funktionalisering på följande sätt:

• Kategorisk: Målkodning, en frekvent kodning, släpp kategorier med hög kardinalitet, imputera saknade värden.

• Numeriskt: Impute saknade värden, klusteravstånd, bevisvikt.

• DateTime: Flera funktioner som dag, sekunder, minuter, timmar osv.

• Text: Påse med ord, förtränad Word-inbäddning, textmålkodning.

Mer information finns i artikeln Konfigurera automatiserade ML-experiment i Python.

Om du vill anpassa funktionaliseringssteget anger du ett FeaturizationConfig-objekt. Anpassad funktionalisering stöder för närvarande blockering av en uppsättning transformatorer, uppdatering av kolumnsyfte, redigering av transformeringsparametrar och släppkolumner. Mer information finns i Anpassa funktionsutveckling.

Obs! Tidsseriefunktioner hanteras separat när aktivitetstypen är inställd på prognostisering oberoende av den här parametern.

Det maximala antalet trådar som ska användas för en viss tränings iteration. Godtagbara värden:

• Större än 1 och mindre än eller lika med det maximala antalet kärnor i beräkningsmålet.

• Lika med -1, vilket innebär att använda alla möjliga kärnor per iteration per underordnad körning.

• Lika med 1, standardvärdet.

Representerar det maximala antalet iterationer som skulle köras parallellt. Standardvärdet är 1.

• AmlCompute-kluster stöder en interation som körs per nod. För flera överordnade AutoML-experimentkörningar som körs parallellt på ett enda AmlCompute-kluster ska summan av max_concurrent_iterations värdena för alla experiment vara mindre än eller lika med det maximala antalet noder. Annars placeras körningar i kö tills noder är tillgängliga.

• DSVM stöder flera iterationer per nod. max_concurrent_iterations vara mindre än eller lika med antalet kärnor på DSVM. För flera experiment som körs parallellt på en enda DSVM ska summan av max_concurrent_iterations värdena för alla experiment vara mindre än eller lika med det maximala antalet noder.

• Databricks – max_concurrent_iterations ska vara mindre än eller lika med antalet arbetsnoder i Databricks.

max_concurrent_iterations gäller inte för lokala körningar. Den här parametern hette concurrent_iterationstidigare .

Maximal tid i minuter som varje iteration kan köras för innan den avslutas. Om det inte anges används ett värde på 1 månad eller 4 3200 minuter.

Maximal minnesanvändning som varje iteration kan köras för innan den avslutas. Om det inte anges används ett värde på 1 PB eller 1073741824 MB.

Om du vill framtvinga en tidsgräns för modellträning vid varje iteration i Windows. Standardvärdet är Sant. Om du kör från en Python-skriptfil (.py) kan du läsa dokumentationen för att tillåta resursbegränsningar i Windows.

Maximal tid i timmar som alla iterationer tillsammans kan ta innan experimentet avslutas. Kan vara ett decimalvärde som 0,25 som representerar 15 minuter. Om det inte anges är standardtidsgränsen för experimentet 6 dagar. Om du vill ange en tidsgräns som är mindre än eller lika med 1 timme kontrollerar du att datauppsättningens storlek inte är större än 10 000 000 (rader gånger kolumn) eller ett felresultat.

Målpoäng för experiment. Experimentet avslutas när den här poängen har nåtts. Om det inte anges (inga kriterier) körs experimentet förrän inga ytterligare framsteg har gjorts för det primära måttet. Mer information om avslutsvillkor finns i den här artikeln.

Om du vill aktivera tidig uppsägning om poängen inte förbättras på kort sikt. Standardvärdet är Sant.

Tidig stopplogik:

• Inget tidigt stopp för de första 20 iterationerna (landmärken).

• Tidigt stoppfönster startar den 21:a iterationen och letar efter early_stopping_n_iters iterationer

  (för närvarande inställt på 10). Det innebär att den första iterationen där stopp kan ske är den 31:a.

• AutoML schemalägger fortfarande 2 ensemble-iterationer EFTER tidig stoppning, vilket kan resultera i

  högre poäng.

• Tidig stoppning utlöses om det absoluta värdet för bästa poäng beräknas på samma sätt för tidigare

  early_stopping_n_iters iterationer, dvs. om det inte finns någon förbättring i poäng för early_stopping_n_iters iterationer.

En lista över algoritmer som ska ignoreras för ett experiment. Om enable_tf är False ingår TensorFlow-modeller i blocked_models.

Inaktuell parameter använder du blocked_models i stället.

Om du vill exkludera rader med NaN-värden i etiketten. Standardvärdet är Sant.

Verbosity-nivån för att skriva till loggfilen. Standardvärdet är INFO eller 20. Godtagbara värden definieras i Python-loggningsbiblioteket.

Inaktuell parameter för att aktivera/inaktivera Tensorflow-algoritmer. Standardvärdet är False.

Om du vill aktivera förklaring av den bästa AutoML-modellen i slutet av alla AutoML-tränings iterationer. Standardvärdet är Sant. Mer information finns i Tolkning: modellförklaringar i automatiserad maskininlärning.

En lista över modellnamn för att söka efter ett experiment. Om det inte anges används alla modeller som stöds för uppgiften minus alla angivna i blocked_models eller inaktuella TensorFlow-modeller. De modeller som stöds för varje aktivitetstyp beskrivs i SupportedModels klassen.

Inaktuell parameter använder du allowed_models i stället.

Om du vill aktivera eller inaktivera tvingande av ONNX-kompatibla modeller. Standardvärdet är False. Mer information om Open Neural Network Exchange (ONNX) och Azure Machine Learning finns i den här artikeln.

Ett ForecastingParameters-objekt som innehåller alla prognostiseringsspecifika parametrar.

Namnet på tidskolumnen. Den här parametern krävs vid prognostisering för att ange kolumnen datetime i indata som används för att skapa tidsserierna och härleda dess frekvens. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Den önskade maximala prognoshorisonten i tidsseriefrekvensenheter. Standardvärdet är 1.

Enheterna baseras på tidsintervallet för dina träningsdata, t.ex. varje månad, varje vecka som prognosmakaren ska förutsäga. När aktivitetstypen prognostiseras krävs den här parametern. Mer information om hur du ställer in prognosparametrar finns i Träna en prognosmodell för tidsserier automatiskt. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Namnen på kolumner som används för att gruppera en tidsserie. Den kan användas för att skapa flera serier. Om kornigheten inte har definierats antas datauppsättningen vara en tidsserie. Den här parametern används med prognostisering av aktivitetstyp. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Antalet tidigare perioder som ska fördröjas från målkolumnen. Standardvärdet är 1. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Vid prognostisering representerar den här parametern antalet rader för att fördröja målvärdena baserat på datafrekvensen. Detta representeras som en lista eller ett heltal. Fördröjning bör användas när relationen mellan de oberoende variablerna och den beroende variabeln inte matchar eller korrelerar som standard. När du till exempel försöker prognostisera efterfrågan på en produkt kan efterfrågan under vilken månad som helst bero på priset på specifika råvaror 3 månader tidigare. I det här exemplet kanske du vill fördröja målet (efterfrågan) negativt med 3 månader så att modellen tränar på rätt relation. Mer information finns i Träna en prognosmodell för tidsserier automatiskt.

Flagga för att generera fördröjningar för de numeriska funktionerna. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Antalet tidigare perioder som används för att skapa ett rullande fönstergenomsnitt för målkolumnen. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Vid prognostisering representerar den här parametern n historiska perioder som ska användas för att generera prognostiserade värden, <= träningsuppsättningsstorlek. Om det utelämnas är n den fullständiga träningsuppsättningens storlek. Ange den här parametern när du bara vill överväga en viss mängd historik när du tränar modellen.

Det land/den region som används för att generera semesterfunktioner. Dessa bör vara ISO 3166 tvåbokstavs lands-/regionkod, till exempel "US" eller "GB". Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Konfigurera STL-nedbrytning av målkolumnen för tidsserier. use_stl kan ta tre värden: Ingen (standard) – ingen stl-nedbrytning, "säsong" – genererar bara säsongskomponent och season_trend – genererar både säsongs- och trendkomponenter. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Ange säsongsvariationer för tidsserier. Om säsongsvariationen är inställd på "auto" kommer den att härledas. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Parametern som definierar hur AutoML ska hantera korta tidsserier.

Möjliga värden: "auto" (standard), "pad", "drop" och None.

• auto kort serie kommer att vara vadderade om det inte finns några långa serier, annars korta serier kommer att släppas.
• pad alla korta serien kommer att vara vadderade.
• släpp alla korta serier kommer att tas bort".
• Ingen av de korta serierna kommer inte att ändras. Om den är inställd på "pad" kommer tabellen att fyllas med nollor och tomma värden för regressorerna och slumpmässiga värden för målet med medelvärdet lika med målvärdets medianvärde för angivet tidsserie-ID. Om medianvärdet är mer eller lika med noll klipps det minimala vadderade värdet av noll: Indata:

Utdata som förutsätter minimalt antal värden är fyra:

Not: Vi har två parametrar short_series_handling_configuration och äldre short_series_handling. När båda parametrarna anges synkroniseras de enligt tabellen nedan (short_series_handling_configuration och short_series_handling för korthet markeras som handling_configuration respektive hantering).

Prognosfrekvens.

Vid prognostisering representerar den här parametern den period med vilken prognosen önskas, till exempel dagligen, varje vecka, varje år osv. Prognosfrekvensen är datamängdsfrekvens som standard. Du kan också ange den till större (men inte mindre) än datamängdsfrekvensen. Vi aggregerar data och genererar resultatet med prognosfrekvens. För dagliga data kan du till exempel ange att frekvensen ska vara daglig, veckovis eller månatlig, men inte varje timme. Frekvensen måste vara ett Pandas-förskjutningsalias. Mer information finns i Pandas-dokumentationen: https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#dateoffset-objects

Den funktion som ska användas för att aggregera målkolumnen för tidsserier så att den överensstämmer med en angiven användarfrekvens. Om target_aggregation_function har angetts, men freq-parametern inte har angetts, utlöses felet. Möjliga målsammansättningsfunktioner är: "sum", "max", "min" och "mean".

Om du vill aktivera/inaktivera VotingEnsemble-iteration. Standardvärdet är Sant. Mer information om ensembler finns i Ensemblekonfiguration.

Om du vill aktivera/inaktivera StackEnsemble-iteration. Standardvärdet är Ingen. Om enable_onnx_compatible_models flagga anges inaktiveras StackEnsemble-iteration. På samma sätt inaktiveras StackEnsemble-iteration som standard för Timeseries-uppgifter för att undvika risker för överanpassning på grund av en liten träningsuppsättning som används för att passa metainläraren. Mer information om ensembler finns i Ensemblekonfiguration.

Loggfilen som du vill skriva felsökningsinformation till. Om det inte anges används "automl.log".

Träningsdata som ska användas i experimentet. Den bör innehålla både träningsfunktioner och en etikettkolumn (eventuellt en exempelviktkolumn). Om training_data anges måste parametern label_column_name också anges.

training_data introducerades i version 1.0.81.

De valideringsdata som ska användas i experimentet. Den bör innehålla både träningsfunktioner och etikettkolumn (om du vill kan du välja en exempelviktkolumn). Om validation_data anges training_datalabel_column_name måste parametrar anges.

validation_data introducerades i version 1.0.81. Mer information finns i Konfigurera datadelningar och korsvalidering i automatiserad maskininlärning.

Funktionen Modelltest med hjälp av testdatauppsättningar eller testdatadelningar är en funktion i förhandsversionstillstånd och kan ändras när som helst. Testdata som ska användas för en testkörning som startas automatiskt när modellträningen är klar. Testkörningen hämtar förutsägelser med hjälp av den bästa modellen och beräknar mått med tanke på dessa förutsägelser.

Om den här parametern eller parametern inte anges körs ingen testkörning automatiskt när modellträningen test_size har slutförts. Testdata ska innehålla både funktioner och etikettkolumner. Om test_data anges måste parametern label_column_name anges.

Funktionen Modelltest med hjälp av testdatauppsättningar eller testdatadelningar är en funktion i förhandsversionstillstånd och kan ändras när som helst. Vilken del av träningsdata som ska lagras för testdata för en testkörning som startas automatiskt när modellträningen är klar. Testkörningen hämtar förutsägelser med hjälp av den bästa modellen och beräknar mått med tanke på dessa förutsägelser.

Detta bör vara mellan 0.0 och 1.0 icke-inkluderande. Om test_size anges samtidigt som validation_sizedelas testdata från training_data innan valideringsdata delas upp. Om validation_size=0.1till exempel , test_size=0.1 och de ursprungliga träningsdata har 1 000 rader, kommer testdata att ha 100 rader, valideringsdata innehåller 90 rader och träningsdata har 810 rader.

För regressionsbaserade uppgifter används slumpmässig sampling. För klassificeringsuppgifter används stratifierad sampling. Prognostisering stöder för närvarande inte att ange en testdatauppsättning med hjälp av en tränings-/testdelning.

Om den här parametern eller parametern inte anges körs ingen testkörning automatiskt när modellträningen test_data har slutförts.

Namnet på etikettkolumnen. Om indata kommer från en Pandas. DataFrame som inte har kolumnnamn, kolumnindex kan användas i stället, uttryckt som heltal.

Den här parametern gäller för training_dataparametrarna och validation_datatest_data . label_column_name introducerades i version 1.0.81.

Namnet på exempelviktkolumnen. Automatiserad ML stöder en viktad kolumn som indata, vilket gör att rader i data viktas upp eller ned. Om indata kommer från en Pandas. DataFrame som inte har kolumnnamn, kolumnindex kan användas i stället, uttryckt som heltal.

Den här parametern gäller för training_data och validation_data parametrar. weight_column_names introducerades i version 1.0.81.

Lista med namn på de kolumner som innehåller anpassad korsvalideringsdelning. Var och en av de delade CV-kolumnerna representerar en CV-delning där varje rad antingen är markerad 1 för träning eller 0 för validering.

Den här parametern gäller för training_data parametern för anpassade korsvalideringsändamål. cv_split_column_names introducerades i version 1.6.0

Använd antingen cv_split_column_names eller cv_splits_indices.

Mer information finns i Konfigurera datadelningar och korsvalidering i automatiserad maskininlärning.

Inaktiverad parameter. Lokala hanterade körningar kan inte aktiveras just nu.

Om du vill inkludera DNN-baserade modeller under modellval. Standardvärdet i init är Ingen. Standardvärdet är dock Sant för DNN NLP-uppgifter, och det är Falskt för alla andra AutoML-uppgifter.

Typen av uppgift som ska köras. Värden kan vara "klassificering", "regression" eller "prognostisering" beroende på vilken typ av automatiserat ML-problem som ska lösas.

Den fullständiga sökvägen till Azure Machine Learning-projektmappen. Om det inte anges är standardvärdet att använda den aktuella katalogen eller ".".

Det totala antalet olika kombinationer av algoritmer och parametrar som ska testas under ett automatiserat ML-experiment. Om det inte anges är standardvärdet 1 000 iterationer.

Måttet som Automatiserad maskininlärning optimerar för modellval. Automatiserad maskininlärning samlar in fler mått än vad som kan optimeras. Du kan använda get_primary_metrics för att hämta en lista över giltiga mått för din angivna uppgift. Mer information om hur mått beräknas finns i https://docs.microsoft.com/azure/machine-learning/how-to-configure-auto-train#primary-metric.

Om det inte anges används noggrannhet för klassificeringsuppgifter, normaliserad rotmedelvärde i kvadrat används för prognostiserings- och regressionsaktiviteter, noggrannhet används för bildklassificering och klassificering av flera etiketter och genomsnittlig genomsnittlig precision används för identifiering av bildobjekt.

Den positiva klassetikett som automatiserad maskininlärning använder för att beräkna binära mått med. Binära mått beräknas i två villkor för klassificeringsuppgifter:

1. etikettkolumnen består av två klasser som anger att autoML för binär klassificering använder angiven positiv klass när positive_label skickas in, annars väljer AutoML en positiv klass baserat på etikettkodat värde.
2. klassificeringsaktivitet för flera klasser med positive_label angivet

Mer information om klassificering finns i checka ut mått för klassificeringsscenarier.

Beräkningsmålet för Azure Machine Learning för att köra experimentet Automatiserad maskininlärning på. Mer https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-remote information om beräkningsmål finns i.

Spark-kontexten. Gäller endast när det används i Azure Databricks/Spark-miljön.

Träningsfunktionerna som ska användas vid montering av pipelines under ett experiment. Den här inställningen är inaktuell. Använd training_data och label_column_name i stället.

Träningsetiketterna som ska användas vid montering av pipelines under ett experiment. Det här är det värde som din modell förutsäger. Den här inställningen är inaktuell. Använd training_data och label_column_name i stället.

Vikten för varje träningsexempel när du kör passande pipelines, varje rad ska motsvara en rad i X- och y-data.

Ange den här parametern när du Xanger . Den här inställningen är inaktuell. Använd training_data och weight_column_name i stället.

Valideringsfunktioner som ska användas vid montering av pipelines under ett experiment.

Om det anges y_valid måste eller sample_weight_valid måste även anges. Den här inställningen är inaktuell. Använd validation_data och label_column_name i stället.

Valideringsetiketter som ska användas vid montering av pipelines under ett experiment.

Både X_valid och y_valid måste anges tillsammans. Den här inställningen är inaktuell. Använd validation_data och label_column_name i stället.

Vikten för varje valideringsexempel när du kör bedömningspipelines bör varje rad motsvara en rad i X- och y-data.

Ange den här parametern när du X_validanger . Den här inställningen är inaktuell. Använd validation_data och weight_column_name i stället.

Index där du kan dela träningsdata för korsvalidering. Varje rad är en separat korsvikt och inom varje korsmapp tillhandahåller du 2 numpy-matriser, den första med indexen för exempel som ska användas för träningsdata och den andra med indexen som ska användas för valideringsdata. dvs. [[t1, v1], [t2, v2], ...] där t1 är träningsindexen för den första korsvikten och v1 är valideringsindexen för den första korsvikten. Det här alternativet stöds när data skickas som en separat datauppsättning för funktioner och kolumnen Etikett.

Om du vill ange befintliga data som valideringsdata använder du validation_data. Om du vill låta AutoML extrahera valideringsdata från träningsdata i stället anger du antingen n_cross_validations eller validation_size. Använd cv_split_column_names om du har korsvalideringskolumner i training_data.

Vilken del av data som ska lagras för validering när användarverifieringsdata inte har angetts. Detta bör vara mellan 0.0 och 1.0 icke-inkluderande.

Ange validation_data för att tillhandahålla valideringsdata, ange n_cross_validations på annat sätt eller validation_size extrahera valideringsdata från angivna träningsdata. För anpassad korsvalideringsdelegering använder du cv_split_column_names.

Mer information finns i Konfigurera datadelningar och korsvalidering i automatiserad maskininlärning.

Hur många korsvalideringar som ska utföras när användarverifieringsdata inte har angetts.

Ange validation_data för att tillhandahålla valideringsdata, ange n_cross_validations på annat sätt eller validation_size extrahera valideringsdata från angivna träningsdata. För anpassad korsvalideringsdelegering använder du cv_split_column_names.

Mer information finns i Konfigurera datadelningar och korsvalidering i automatiserad maskininlärning.

Minsta värde på y för ett regressionsexperiment. Kombinationen av y_min och y_max används för att normalisera testuppsättningsmått baserat på indataintervallet. Den här inställningen är inaktuell. I stället beräknas det här värdet från data.

Maximalt värde på y för ett regressionsexperiment. Kombinationen av y_min och y_max används för att normalisera testuppsättningsmått baserat på indataintervallet. Den här inställningen är inaktuell. I stället beräknas det här värdet från data.

Antalet klasser i etikettdata för ett klassificeringsexperiment. Den här inställningen är inaktuell. I stället beräknas det här värdet från data.

"auto" / "off" / FeaturizationConfig Indikator för huruvida funktionaliseringssteget ska göras automatiskt eller inte, eller om anpassad funktionalisering ska användas. Obs! Om indata är glesa går det inte att aktivera funktionalisering.

Kolumntypen identifieras automatiskt. Baserat på den identifierade kolumntypen utförs förbearbetning/funktionalisering på följande sätt:

• Kategorisk: Målkodning, en frekvent kodning, släpp kategorier med hög kardinalitet, imputera saknade värden.

• Numeriskt: Impute saknade värden, klusteravstånd, bevisvikt.

• DateTime: Flera funktioner som dag, sekunder, minuter, timmar osv.

• Text: Påse med ord, förtränad Word-inbäddning, textmålkodning.

Mer information finns i artikeln Konfigurera automatiserade ML-experiment i Python.

Om du vill anpassa funktionaliseringssteget anger du ett FeaturizationConfig-objekt. Anpassad funktionalisering stöder för närvarande blockering av en uppsättning transformatorer, uppdatering av kolumnsyfte, redigering av transformeringsparametrar och släppkolumner. Mer information finns i Anpassa funktionsutveckling.

Obs! Tidsseriefunktioner hanteras separat när aktivitetstypen är inställd på prognostisering oberoende av den här parametern.

Det maximala antalet trådar som ska användas för en viss tränings iteration. Godtagbara värden:

• Större än 1 och mindre än eller lika med det maximala antalet kärnor i beräkningsmålet.

• Lika med -1, vilket innebär att använda alla möjliga kärnor per iteration per underordnad körning.

• Lika med 1, standardvärdet.

Representerar det maximala antalet iterationer som skulle köras parallellt. Standardvärdet är 1.

• AmlCompute-kluster stöder en interation som körs per nod. För flera experiment som körs parallellt på ett enda AmlCompute-kluster ska summan av max_concurrent_iterations värdena för alla experiment vara mindre än eller lika med det maximala antalet noder.

• DSVM stöder flera iterationer per nod. max_concurrent_iterations vara mindre än eller lika med antalet kärnor på DSVM. För flera experiment som körs parallellt på en enda DSVM ska summan av max_concurrent_iterations värdena för alla experiment vara mindre än eller lika med det maximala antalet noder.

• Databricks – max_concurrent_iterations ska vara mindre än eller lika med antalet arbetsnoder i Databricks.

max_concurrent_iterations gäller inte för lokala körningar. Den här parametern hette concurrent_iterationstidigare .

Maximal tid i minuter som varje iteration kan köras för innan den avslutas. Om det inte anges används ett värde på 1 månad eller 4 3200 minuter.

Maximal minnesanvändning som varje iteration kan köras för innan den avslutas. Om det inte anges används ett värde på 1 PB eller 1073741824 MB.

Om du vill framtvinga en tidsgräns för modellträning vid varje iteration i Windows. Standardvärdet är Sant. Om du kör från en Python-skriptfil (.py) kan du läsa dokumentationen för att tillåta resursbegränsningar i Windows.

Maximal tid i timmar som alla iterationer tillsammans kan ta innan experimentet avslutas. Kan vara ett decimalvärde som 0,25 som representerar 15 minuter. Om det inte anges är standardtidsgränsen för experimentet 6 dagar. Om du vill ange en tidsgräns som är mindre än eller lika med 1 timme kontrollerar du att datauppsättningens storlek inte är större än 10 000 000 (rader gånger kolumn) eller ett felresultat.

Målpoäng för experiment. Experimentet avslutas när den här poängen har nåtts. Om det inte anges (inga kriterier) körs experimentet förrän inga ytterligare framsteg har gjorts för det primära måttet. Mer information om avslutsvillkor finns i den här >>article https://docs.microsoft.com/azure/machine-learning/how-to-configure-auto-train#exit-criteria_<<.

Om du vill aktivera tidig uppsägning om poängen inte förbättras på kort sikt. Standardvärdet är Sant.

Tidig stopplogik:

• Inget tidigt stopp för de första 20 iterationerna (landmärken).

• Tidigt stoppfönster startar den 21:a iterationen och söker efter early_stopping_n_iters iterationer (för närvarande inställt på 10). Det innebär att den första iterationen där stopp kan ske är den 31:a.

• AutoML schemalägger fortfarande 2 ensemble-iterationer EFTER tidig stoppning, vilket kan resultera i högre poäng.

• Tidig stoppning utlöses om det absoluta värdet för bästa poäng beräknas på samma sätt för tidigare early_stopping_n_iters iterationer, dvs. om det inte finns någon förbättring av poäng för early_stopping_n_iters iterationer.

En lista över algoritmer som ska ignoreras för ett experiment. Om enable_tf är False ingår TensorFlow-modeller i blocked_models.

Inaktuell parameter använder du blocked_models i stället.

Om du vill exkludera rader med NaN-värden i etiketten. Standardvärdet är Sant.

Verbosity-nivån för att skriva till loggfilen. Standardvärdet är INFO eller 20. Godtagbara värden definieras i Python-loggningsbiblioteket.

Om TensorFlow-algoritmer ska aktiveras/inaktiveras. Standardvärdet är False.

Om du vill aktivera förklaring av den bästa AutoML-modellen i slutet av alla AutoML-tränings iterationer. Standardvärdet är Sant. Mer information finns i Tolkning: modellförklaringar i automatiserad maskininlärning.

En lista över modellnamn för att söka efter ett experiment. Om det inte anges används alla modeller som stöds för uppgiften minus alla angivna i blocked_models eller inaktuella TensorFlow-modeller. De modeller som stöds för varje aktivitetstyp beskrivs i SupportedModels klassen.

En lista över modellnamn för att söka efter ett experiment. Om det inte anges används alla modeller som stöds för uppgiften minus alla angivna i blocked_models eller inaktuella TensorFlow-modeller. De modeller som stöds för varje aktivitetstyp beskrivs i SupportedModels klassen.

Inaktuell parameter använder du allowed_models i stället.

Om du vill aktivera eller inaktivera tvingande av ONNX-kompatibla modeller. Standardvärdet är False. Mer information om Open Neural Network Exchange (ONNX) och Azure Machine Learning finns i den här artikeln.

Ett objekt som innehåller alla prognostiseringsspecifika parametrar.

Namnet på tidskolumnen. Den här parametern krävs vid prognostisering för att ange kolumnen datetime i indata som används för att skapa tidsserierna och härleda dess frekvens. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Den önskade maximala prognoshorisonten i tidsseriefrekvensenheter. Standardvärdet är 1. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Enheterna baseras på tidsintervallet för dina träningsdata, t.ex. varje månad, varje vecka som prognosmakaren ska förutsäga. När aktivitetstypen prognostiseras krävs den här parametern. Mer information om hur du ställer in prognosparametrar finns i Träna en prognosmodell för tidsserier automatiskt.

Namnen på kolumner som används för att gruppera en tidsserie. Den kan användas för att skapa flera serier. Om kornigheten inte har definierats antas datauppsättningen vara en tidsserie. Den här parametern används med prognostisering av aktivitetstyp. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Antalet tidigare perioder som ska fördröjas från målkolumnen. Standardvärdet är 1. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Vid prognostisering representerar den här parametern antalet rader för att fördröja målvärdena baserat på datafrekvensen. Detta representeras som en lista eller ett heltal. Fördröjning bör användas när relationen mellan de oberoende variablerna och den beroende variabeln inte matchar eller korrelerar som standard. När du till exempel försöker prognostisera efterfrågan på en produkt kan efterfrågan under vilken månad som helst bero på priset på specifika råvaror 3 månader tidigare. I det här exemplet kanske du vill fördröja målet (efterfrågan) negativt med 3 månader så att modellen tränar på rätt relation. Mer information finns i Träna en prognosmodell för tidsserier automatiskt.

Flagga för att generera fördröjningar för de numeriska funktionerna. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Antalet tidigare perioder som används för att skapa ett rullande fönstergenomsnitt för målkolumnen. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Vid prognostisering representerar den här parametern n historiska perioder som ska användas för att generera prognostiserade värden, <= träningsuppsättningsstorlek. Om det utelämnas är n den fullständiga träningsuppsättningens storlek. Ange den här parametern när du bara vill överväga en viss mängd historik när du tränar modellen.

Det land/den region som används för att generera semesterfunktioner. Dessa bör vara ISO 3166 tvåbokstavs lands-/regionkoder, till exempel "US" eller "GB". Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Konfigurera STL-nedbrytning av målkolumnen för tidsserier. use_stl kan ta tre värden: Ingen (standard) – ingen stl-nedbrytning, "säsong" – genererar bara säsongskomponent och season_trend – genererar både säsongs- och trendkomponenter. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Ange säsongsvariationer för tidsserier. Om säsongsvariationen är inställd på -1 kommer den att härledas. Om use_stl inte har angetts används inte den här parametern. Den här inställningen är inaktuell. Använd forecasting_parameters i stället.

Parametern som definierar hur AutoML ska hantera korta tidsserier.

Möjliga värden: "auto" (standard), "pad", "drop" och None.

• auto kort serie kommer att vara vadderade om det inte finns några långa serier, annars korta serier kommer att släppas.
• pad alla korta serien kommer att vara vadderade.
• släpp alla korta serier kommer att tas bort".
• Ingen av de korta serierna kommer inte att ändras. Om den är inställd på "pad" kommer tabellen att fyllas med nollor och tomma värden för regressorerna och slumpmässiga värden för målet med medelvärdet lika med målvärdets medianvärde för angivet tidsserie-ID. Om medianvärdet är mer eller lika med noll klipps det minimala vadderade värdet av noll: Indata:

Utdata som förutsätter minimalt antal värden är fyra: +————+—————+———-+—–+ | Datum | numeric_value | sträng | target | +============+===============+==========+========+ | 2019-12-29 | 0 | NA | 55.1 | +————+—————+———-+——–+ | 2019-12-30 | 0 | NA | 55.6 | +————+—————+———-+——–+ | 2019-12-31 | 0 | NA | 54,5 | +————+—————+———-+——–+ | 2020-01-01 | 23 | grön | 55 | +————+—————+———-+——–+

Not: Vi har två parametrar short_series_handling_configuration och äldre short_series_handling. När båda parametrarna anges synkroniseras de enligt tabellen nedan (short_series_handling_configuration och short_series_handling för korthet markeras som handling_configuration respektive hantering).

Prognosfrekvens.

Vid prognostisering representerar den här parametern den period med vilken prognosen önskas, till exempel dagligen, varje vecka, varje år osv. Prognosfrekvensen är datamängdsfrekvens som standard. Du kan också ange den till större (men inte mindre) än datamängdsfrekvensen. Vi aggregerar data och genererar resultatet med prognosfrekvens. För dagliga data kan du till exempel ange att frekvensen ska vara daglig, veckovis eller månatlig, men inte varje timme. Frekvensen måste vara ett Pandas-förskjutningsalias. Mer information finns i Pandas-dokumentationen: https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#dateoffset-objects

Den funktion som ska användas för att aggregera målkolumnen för tidsserier så att den överensstämmer med en angiven användarfrekvens. Om target_aggregation_function har angetts, men freq-parametern inte har angetts, utlöses felet. Möjliga målsammansättningsfunktioner är: "sum", "max", "min" och "mean".

Om du vill aktivera/inaktivera VotingEnsemble-iteration. Standardvärdet är Sant. Mer information om ensembler finns i Ensemblekonfiguration.

Om du vill aktivera/inaktivera StackEnsemble-iteration. Standardvärdet är Ingen. Om enable_onnx_compatible_models flagga anges inaktiveras StackEnsemble-iteration. På samma sätt inaktiveras StackEnsemble-iteration som standard för Timeseries-uppgifter för att undvika risker för överanpassning på grund av en liten träningsuppsättning som används för att passa metainläraren. Mer information om ensembler finns i Ensemblekonfiguration.

Loggfilen som du vill skriva felsökningsinformation till. Om det inte anges används "automl.log".

Träningsdata som ska användas i experimentet. Den bör innehålla både träningsfunktioner och en etikettkolumn (eventuellt en exempelviktkolumn). Om training_data anges måste parametern label_column_name också anges.

training_data introducerades i version 1.0.81.

De valideringsdata som ska användas i experimentet. Den bör innehålla både träningsfunktioner och etikettkolumn (om du vill kan du välja en exempelviktkolumn). Om validation_data anges training_datalabel_column_name måste parametrar anges.

validation_data introducerades i version 1.0.81. Mer information finns i Konfigurera datadelningar och korsvalidering i automatiserad maskininlärning.

Funktionen Modelltest med hjälp av testdatauppsättningar eller testdatadelningar är en funktion i förhandsversionstillstånd och kan ändras när som helst. Testdata som ska användas för en testkörning som startas automatiskt när modellträningen är klar. Testkörningen hämtar förutsägelser med hjälp av den bästa modellen och beräknar mått med tanke på dessa förutsägelser.

Om den här parametern eller parametern inte anges körs ingen testkörning automatiskt när modellträningen test_size har slutförts. Testdata ska innehålla både funktioner och etikettkolumner. Om test_data anges måste parametern label_column_name anges.

Funktionen Modelltest med hjälp av testdatauppsättningar eller testdatadelningar är en funktion i förhandsversionstillstånd och kan ändras när som helst. Vilken del av träningsdata som ska lagras för testdata för en testkörning som startas automatiskt när modellträningen är klar. Testkörningen hämtar förutsägelser med hjälp av den bästa modellen och beräknar mått med tanke på dessa förutsägelser.

Detta bör vara mellan 0.0 och 1.0 icke-inkluderande. Om test_size anges samtidigt som validation_sizedelas testdata från training_data innan valideringsdata delas upp. Om validation_size=0.1till exempel , test_size=0.1 och de ursprungliga träningsdata har 1 000 rader, kommer testdata att ha 100 rader, valideringsdata innehåller 90 rader och träningsdata har 810 rader.

För regressionsbaserade uppgifter används slumpmässig sampling. För klassificeringsuppgifter används stratifierad sampling. Prognostisering stöder för närvarande inte att ange en testdatauppsättning med hjälp av en tränings-/testdelning.

Om den här parametern eller parametern inte anges körs ingen testkörning automatiskt när modellträningen test_data har slutförts.

Namnet på etikettkolumnen. Om indata kommer från en Pandas. DataFrame som inte har kolumnnamn, kolumnindex kan användas i stället, uttryckt som heltal.

Den här parametern gäller för training_dataparametrarna och validation_datatest_data . label_column_name introducerades i version 1.0.81.

Namnet på exempelviktkolumnen. Automatiserad ML stöder en viktad kolumn som indata, vilket gör att rader i data viktas upp eller ned. Om indata kommer från en Pandas. DataFrame som inte har kolumnnamn, kolumnindex kan användas i stället, uttryckt som heltal.

Den här parametern gäller för training_data och validation_data parametrar. weight_column_names introducerades i version 1.0.81.

Lista med namn på de kolumner som innehåller anpassad korsvalideringsdelning. Var och en av de delade CV-kolumnerna representerar en CV-delning där varje rad antingen är markerad 1 för träning eller 0 för validering.

Den här parametern gäller för training_data parametern för anpassade korsvalideringsändamål. cv_split_column_names introducerades i version 1.6.0

Använd antingen cv_split_column_names eller cv_splits_indices.

Mer information finns i Konfigurera datadelningar och korsvalidering i automatiserad maskininlärning.

Inaktiverad parameter. Lokala hanterade körningar kan inte aktiveras just nu.

Om du vill inkludera DNN-baserade modeller under modellval. Standardvärdet i init är Ingen. Standardvärdet är dock Sant för DNN NLP-uppgifter, och det är Falskt för alla andra AutoML-uppgifter.