AutoMLConfig Classe

O tipo de tarefa a ser executada. Os valores podem ser "classificação", "regressão" ou "previsão", dependendo do tipo de problema de ML automatizado a ser resolvido.

O caminho completo para a pasta de projeto do Azure Machine Learning. Se não for especificado, o padrão é usar o diretório atual ou ".".

O número total de diferentes combinações de algoritmos e parâmetros a serem testadas durante um experimento de ML automatizado. Se não for especificado, o padrão é 1000 iterações.

A métrica que o Machine Learning Automatizado otimizará para seleção de modelo. O Machine Learning automatizado coleta mais métricas do que pode otimizar. Você pode usar get_primary_metrics para obter uma lista de métricas válidas para a tarefa fornecida. Para obter mais informações sobre como as métricas são calculadas, consulte https://docs.microsoft.com/azure/machine-learning/how-to-configure-auto-train#primary-metric.

Se não for especificado, a precisão será usada para tarefas de classificação, a média de raiz normalizada ao quadrado é usada para tarefas de previsão e regressão, a precisão é usada para classificação de imagem e classificação de vários rótulos de imagem e a precisão média média é usada para detecção de objetos de imagem.

O rótulo de classe positivo que o Machine Learning Automatizado usará para calcular as métricas binárias. As métricas binárias são calculadas em duas condições para tarefas de classificação:

1. A coluna de rótulo consiste em duas classes que indicam que a tarefa de classificação binária AutoML usará a classe positiva especificada quando positive_label for passada, caso contrário, o AutoML escolherá uma classe positiva com base no valor codificado pelo rótulo.
2. tarefa de classificação de várias classes com positive_label especificado

Para obter mais informações sobre classificação, métricas de check-out para cenários de classificação.

O destino de computação do Azure Machine Learning no qual executar o experimento do Machine Learning Automatizado. Confira https://docs.microsoft.com/en-us/azure/machine-learning/concept-automated-ml#local-remote mais informações sobre destinos de computação.

O contexto do Spark. Aplicável somente quando usado dentro do ambiente do Azure Databricks/Spark.

Os recursos de treinamento a serem usados ao ajustar pipelines durante um experimento. Essa configuração está sendo preterida. Em vez disso, use training_data e label_column_name.

Os rótulos de treinamento a serem usados ao ajustar pipelines durante um experimento. Esse é o valor que seu modelo preverá. Essa configuração está sendo preterida. Em vez disso, use training_data e label_column_name.

O peso a ser dado a cada exemplo de treinamento ao executar pipelines de ajuste, cada linha deve corresponder a uma linha em dados X e y.

Especifique Xesse parâmetro ao especificar . Essa configuração está sendo preterida. Em vez disso, use training_data e weight_column_name.

Recursos de validação a serem usados ao ajustar pipelines durante um experimento.

Se especificado, então y_valid ou sample_weight_valid também deve ser especificado. Essa configuração está sendo preterida. Use validation_data e label_column_name em vez disso.

Rótulos de validação a serem usados ao ajustar pipelines durante um experimento.

Ambos X_valid e y_valid devem ser especificados juntos. Essa configuração está sendo preterida. Use validation_data e label_column_name em vez disso.

O peso a ser dado a cada exemplo de validação ao executar pipelines de pontuação, cada linha deve corresponder a uma linha em dados X e y.

Especifique X_validesse parâmetro ao especificar . Essa configuração está sendo preterida. Em vez disso, use validation_data e weight_column_name.

Índices em que os dados de treinamento serão divididos para validação cruzada. Cada linha é uma dobra cruzada separada e, dentro de cada dobra cruzada, fornece duas matrizes numpy, a primeira com os índices para exemplos a serem usados para dados de treinamento e o segundo com os índices a serem usados para os dados de validação. ou seja, [[t1, v1], [t2, v2], ...] onde t1 é o índice de treinamento para a primeira dobra cruzada e v1 é o índice de validação para a primeira dobra cruzada.

Para especificar dados existentes como dados de validação, use validation_data. Para permitir que o AutoML extraia dados de validação dos dados de treinamento, especifique um n_cross_validations ou validation_size. Use cv_split_column_names se você tiver colunas de validação cruzada em training_data.

Qual fração dos dados a serem armazenados para validação quando os dados de validação do usuário não forem especificados. Isso deve estar entre 0.0 e 1.0 não inclusivo.

Especifique validation_data para fornecer dados de validação, caso contrário, defina n_cross_validations ou validation_size extraia dados de validação dos dados de treinamento especificados. Para a dobra de validação cruzada personalizada, use cv_split_column_names.

Para obter mais informações, consulte Configurar divisões de dados e validação cruzada no machine learning automatizado.

Quantas validações cruzadas serão executadas quando os dados de validação do usuário não forem especificados.

Especifique validation_data para fornecer dados de validação, caso contrário, defina n_cross_validations ou validation_size extraia dados de validação dos dados de treinamento especificados. Para a dobra de validação cruzada personalizada, use cv_split_column_names.

Para obter mais informações, consulte Configurar divisões de dados e validação cruzada no machine learning automatizado.

Valor mínimo de y para um experimento de regressão. A combinação de e y_min são usadas para normalizar as métricas do conjunto de testes com base no intervalo de y_max dados de entrada. Essa configuração está sendo preterida. Em vez disso, esse valor será computado a partir dos dados.

Valor máximo de y para um experimento de regressão. A combinação de e y_min são usadas para normalizar as métricas do conjunto de testes com base no intervalo de y_max dados de entrada. Essa configuração está sendo preterida. Em vez disso, esse valor será computado a partir dos dados.

O número de classes nos dados do rótulo para um experimento de classificação. Essa configuração está sendo preterida. Em vez disso, esse valor será computado a partir dos dados.

'auto' / 'off' / Indicador FeaturizationConfig para saber se a etapa de featurization deve ser feita automaticamente ou não, ou se a caracterização personalizada deve ser usada. Observação: se os dados de entrada forem esparsos, a definição de recursos não poderá ser ativada.

O tipo de coluna é detectado automaticamente. Com base no pré-processamento/em destaque do tipo de coluna detectado, é feito da seguinte maneira:

• Categórico: codificação de destino, uma codificação ativa, descartar categorias de cardinalidade alta, imputar valores ausentes.

• Numérico: imputar valores ausentes, distância do cluster, peso da evidência.

• DateTime: vários recursos, como dia, segundos, minutos, horas etc.

• Texto: Pacote de palavras, inserção pré-treinada do Word, codificação de destino de texto.

Mais detalhes podem ser encontrados no artigo Configurar experimentos de ML automatizados no Python.

Para personalizar a etapa de featurization, forneça um objeto FeaturizationConfig. Atualmente, a caracterização personalizada dá suporte ao bloqueio de um conjunto de transformadores, atualização da finalidade da coluna, edição de parâmetros de transformador e remoção de colunas. Para obter mais informações, consulte Personalizar a engenharia de recursos.

Observação: os recursos de timeseries são tratados separadamente quando o tipo de tarefa é definido como previsão independente desse parâmetro.

O número máximo de threads a serem usados para uma determinada iteração de treinamento. Valores aceitáveis:

• Maior que 1 e menor ou igual ao número máximo de núcleos no destino de computação.

• Igual a -1, o que significa usar todos os núcleos possíveis por iteração por execução filho.

• Igual a 1, o padrão.

Representa o número máximo de iterações que seriam executadas em paralelo. O valor padrão é 1.

• Os clusters AmlCompute dão suporte a uma interação em execução por nó. Para várias execuções pai do experimento AutoML executadas em paralelo em um único cluster AmlCompute, a soma dos max_concurrent_iterations valores para todos os experimentos deve ser menor ou igual ao número máximo de nós. Caso contrário, as execuções serão enfileiradas até que os nós estejam disponíveis.

• A DSVM dá suporte a várias iterações por nó. max_concurrent_iterations deve ser menor ou igual ao número de núcleos na DSVM. Para vários experimentos executados em paralelo em uma única DSVM, a soma dos max_concurrent_iterations valores para todos os experimentos deve ser menor ou igual ao número máximo de nós.

• Databricks – max_concurrent_iterations deve ser menor ou igual ao número de nós de trabalho no Databricks.

max_concurrent_iterations não se aplica a execuções locais. Anteriormente, esse parâmetro era nomeado concurrent_iterations.

Tempo máximo em minutos para o qual cada iteração pode ser executada antes de terminar. Se não for especificado, um valor de 1 mês ou 43.200 minutos será usado.

Uso máximo de memória para o qual cada iteração pode ser executada antes de terminar. Se não for especificado, um valor de 1 PB ou 1073741824 MB será usado.

Se deseja impor um limite de tempo no treinamento de modelo em cada iteração no Windows. O padrão é True. Se estiver em execução em um arquivo de script python (.py), consulte a documentação para permitir limites de recursos no Windows.

Quantidade máxima de tempo em horas que todas as iterações combinadas podem levar antes que o experimento seja encerrado. Pode ser um valor decimal como 0,25 representando 15 minutos. Se não for especificado, o tempo limite padrão do experimento será de 6 dias. Para especificar um tempo limite menor ou igual a 1 hora, verifique se o tamanho do conjunto de dados não é maior que 10.000.000 (coluna de linhas vezes) ou um resultado de erro.

Pontuação de destino para experimento. O experimento termina depois que essa pontuação é atingida. Se não for especificado (sem critérios), o experimento será executado até que nenhum progresso adicional seja feito na métrica primária. Para obter mais informações sobre critérios de saída, consulte este artigo.

Se será possível habilitar a terminação antecipada se a pontuação não estiver melhorando no curto prazo. O padrão é True.

Lógica de parada antecipada:

• Nenhuma parada antecipada para as primeiras 20 iterações (pontos turísticos).

• A janela de parada antecipada começa na 21ª iteração e procura iterações early_stopping_n_iters

  (atualmente definido como 10). Isso significa que a primeira iteração em que a parada pode ocorrer é a 31ª.

• O AutoML ainda agenda duas iterações de conjunto após a parada antecipada, o que pode resultar em

  pontuações mais altas.

• A parada antecipada será disparada se o valor absoluto da melhor pontuação calculada for o mesmo para o passado

  early_stopping_n_iters iterações, ou seja, se não houver melhoria na pontuação para iterações early_stopping_n_iters.

Uma lista de algoritmos a serem ignorados para um experimento. Se enable_tf for False, os modelos tensorFlow serão incluídos em blocked_models.

Parâmetro preterido, use blocked_models em vez disso.

Se deve excluir linhas com valores NaN no rótulo. O padrão é True.

O nível de verbosidade para gravar no arquivo de log. O padrão é INFO ou 20. Os valores aceitáveis são definidos na biblioteca de log do Python.

Parâmetro preterido para habilitar/desabilitar algoritmos tensorflow. O padrão é False.

Se deseja habilitar a explicação do melhor modelo AutoML no final de todas as iterações de treinamento do AutoML. O padrão é True. Para obter mais informações, consulte Interpretabilidade: explicações de modelo no machine learning automatizado.

Uma lista de nomes de modelo para pesquisar um experimento. Se não for especificado, todos os modelos com suporte para a tarefa serão usados menos os modelos tensorFlow especificados blocked_models ou preteridos. Os modelos com suporte para cada tipo de tarefa são descritos na SupportedModels classe.

Parâmetro preterido, use allowed_models em vez disso.

Seja para habilitar ou desabilitar a imposição dos modelos compatíveis com ONNX. O padrão é False. Para obter mais informações sobre o ONNX (Open Neural Network Exchange) e o Azure Machine Learning, consulte este artigo.

Um objeto ForecastingParameters para conter todos os parâmetros específicos de previsão.

O nome da coluna de hora. Esse parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada usados para criar a série temporal e inferir sua frequência. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

O horizonte de previsão máxima desejado em unidades de frequência de série temporal. O valor padrão é 1.

As unidades são baseadas no intervalo de tempo dos dados de treinamento, por exemplo, mensalmente, semanalmente que o preditor deve prever. Quando o tipo de tarefa está sendo previsto, esse parâmetro é necessário. Para obter mais informações sobre como definir parâmetros de previsão, consulte Treinar automaticamente um modelo de previsão de série temporal. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

Os nomes das colunas usadas para agrupar uma série de horários. Ele pode ser usado para criar várias séries. Se a granulação não estiver definida, o conjunto de dados será considerado uma série temporal. Esse parâmetro é usado com a previsão de tipo de tarefa. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

O número de períodos passados a serem atrasados da coluna de destino. O padrão é 1. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

Ao prever, esse parâmetro representa o número de linhas para atrasar os valores de destino com base na frequência dos dados. Isso é representado como uma lista ou inteiro único. O atraso deve ser usado quando a relação entre as variáveis independentes e a variável dependente não corresponder ou correlacionar por padrão. Por exemplo, ao tentar prever a demanda por um produto, a demanda em qualquer mês pode depender do preço de commodities específicas três meses antes. Neste exemplo, talvez você queira atrasar o destino (demanda) negativamente por 3 meses para que o modelo esteja treinando sobre a relação correta. Para obter mais informações, consulte Treinar automaticamente um modelo de previsão de série temporal.

Sinalizador para gerar atrasos para os recursos numéricos. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

O número de períodos passados usados para criar uma média de janela sem interrupção da coluna de destino. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

Ao prever, esse parâmetro representa n períodos históricos a serem usados para gerar valores previstos, <= tamanho do conjunto de treinamento. Se omitido, n é o tamanho completo do conjunto de treinamento. Especifique esse parâmetro quando desejar considerar apenas certa quantidade de histórico no treinamento do modelo.

O país/região usado para gerar recursos de férias. Eles devem ser código de país/região de duas letras ISO 3166, por exemplo , "EUA" ou "GB". Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

Configure a Decomposição de STL da coluna de destino da série temporal. use_stl pode levar três valores: Nenhum (padrão) - sem decomposição stl, 'season' - apenas gerar componente de temporada e season_trend - gera componentes de estação e tendência. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

Defina a sazonalidade da série temporal. Se a sazonalidade for definida como 'auto', ela será inferida. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

O parâmetro que define como se o AutoML deve lidar com séries temporais curtas.

Valores possíveis: 'auto' (padrão), 'pad', 'drop' e None.

• séries curtas automáticas serão adicionadas se não houver séries longas, caso contrário, séries curtas serão descartadas.
• todas as séries curtas serão adicionadas.
• todas as séries curtas serão descartadas".
• Nenhuma série curta não será modificada. Se definido como 'pad', a tabela será acolchoada com os zeros e valores vazios para os regressores e valores aleatórios para o destino com a média igual à mediana do valor de destino para determinada ID de série temporal. Se a mediana for mais ou igual a zero, o valor acolchoado mínimo será recortado por zero: Entrada:

A saída supondo que o número mínimo de valores seja quatro:

Nota: Temos dois parâmetros short_series_handling_configuration e short_series_handling herdados. Quando ambos os parâmetros são definidos, estamos sincronizando-os conforme mostrado na tabela abaixo (short_series_handling_configuration e short_series_handling para brevidade são marcados como handling_configuration e manipulação, respectivamente).

Frequência de previsão.

Ao prever, esse parâmetro representa o período com o qual a previsão é desejada, por exemplo, diária, semanal, anual etc. A frequência de previsão é a frequência do conjunto de dados por padrão. Opcionalmente, você pode defini-lo como maior (mas não menor) do que a frequência do conjunto de dados. Agregaremos os dados e geraremos os resultados na frequência de previsão. Por exemplo, para dados diários, você pode definir a frequência como diária, semanal ou mensal, mas não por hora. A frequência precisa ser um alias de deslocamento pandas. Consulte a documentação do Pandas para obter mais informações: https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#dateoffset-objects

A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário. Se o target_aggregation_function estiver definido, mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean".

Se deseja habilitar/desabilitar a iteração VotingEnsemble. O padrão é True. Para obter mais informações sobre conjuntos, consulte a configuração do Ensemble.

Se deseja habilitar/desabilitar a iteração StackEnsemble. O padrão é None. Se enable_onnx_compatible_models sinalizador estiver sendo definido, a iteração StackEnsemble será desabilitada. Da mesma forma, para tarefas do Timeseries, a iteração StackEnsemble será desabilitada por padrão, para evitar riscos de sobreajuste devido ao pequeno conjunto de treinamento usado na montagem do metaaplicativo. Para obter mais informações sobre conjuntos, consulte a configuração do Ensemble.

O arquivo de log para o qual gravar informações de depuração. Se não for especificado, 'automl.log' será usado.

Os dados de treinamento a serem usados no experimento. Ele deve conter recursos de treinamento e uma coluna de rótulo (opcionalmente uma coluna de pesos de exemplo). Se training_data for especificado, o label_column_name parâmetro também deverá ser especificado.

training_data foi introduzido na versão 1.0.81.

Os dados de validação a serem usados no experimento. Devem conter recursos de treinamento e uma coluna de rótulo (opcionalmente, uma coluna de pesos de amostra). Se validation_data for especificado, os parâmetros training_data e label_column_name deverão ser especificados.

validation_data foi introduzido na versão 1.0.81. Para obter mais informações, consulte Configurar divisões de dados e validação cruzada no machine learning automatizado.

O recurso Teste de Modelo usando conjuntos de dados de teste ou divisões de dados de teste é um recurso no estado de visualização e pode ser alterado a qualquer momento. Os dados de teste a serem usados para uma execução de teste que será iniciada automaticamente após a conclusão do treinamento do modelo. A execução de teste obterá previsões usando o melhor modelo e calculará as métricas dadas essas previsões.

Se esse parâmetro ou o test_size parâmetro não for especificado, nenhuma execução de teste será executada automaticamente após a conclusão do treinamento do modelo. Os dados de teste devem conter recursos e coluna de rótulo. Se test_data for especificado, o label_column_name parâmetro deverá ser especificado.

O recurso Teste de Modelo usando conjuntos de dados de teste ou divisões de dados de teste é um recurso no estado de visualização e pode ser alterado a qualquer momento. Que fração dos dados de treinamento devem conter para dados de teste para uma execução de teste que será iniciada automaticamente após a conclusão do treinamento do modelo. A execução de teste obterá previsões usando o melhor modelo e calculará as métricas dadas essas previsões.

Isso deve estar entre 0.0 e 1.0 não inclusivo. Se test_size for especificado ao mesmo tempo validation_sizeque, os dados de teste serão divididos antes que os dados de training_data validação sejam divididos. Por exemplo, se validation_size=0.1, test_size=0.1 e os dados de treinamento originais tiverem 1000 linhas, os dados de teste terão 100 linhas, os dados de validação conterão 90 linhas e os dados de treinamento terão 810 linhas.

Para tarefas baseadas em regressão, a amostragem aleatória é usada. Para tarefas de classificação, a amostragem estratificada é usada. Atualmente, a previsão não dá suporte à especificação de um conjunto de dados de teste usando uma divisão de treinamento/teste.

Se esse parâmetro ou o test_data parâmetro não for especificado, nenhuma execução de teste será executada automaticamente após a conclusão do treinamento do modelo.

O nome da coluna de rótulo. Se os dados de entrada forem de um pandas. DataFrame que não tem nomes de coluna, índices de coluna podem ser usados em vez disso, expressos como inteiros.

Esse parâmetro é aplicável a training_dataparâmetros e validation_data parâmetrostest_data. label_column_name foi introduzido na versão 1.0.81.

O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. Se os dados de entrada forem de um pandas. DataFrame que não tem nomes de coluna, índices de coluna podem ser usados em vez disso, expressos como inteiros.

Esse parâmetro é aplicável a parâmetros e a training_datavalidation_data parâmetros. weight_column_names foi introduzido na versão 1.0.81.

Lista de nomes das colunas que contêm divisão de validação cruzada personalizada. Cada uma das colunas de divisão cv representa uma divisão CV em que cada linha é marcada como 1 para treinamento ou 0 para validação.

Esse parâmetro é aplicável ao training_data parâmetro para fins de validação cruzada personalizada. cv_split_column_names foi introduzido na versão 1.6.0

Use ou cv_split_column_namescv_splits_indices.

Para obter mais informações, consulte Configurar divisões de dados e validação cruzada no machine learning automatizado.

Parâmetro desabilitado. As execuções gerenciadas locais não podem ser habilitadas no momento.

Se os modelos baseados em DNN devem ser incluídos durante a seleção do modelo. O padrão na inicialização é None. No entanto, o padrão é True para tarefas DNN NLP e é False para todas as outras tarefas autoML.

O tipo de tarefa a ser executada. Os valores podem ser "classificação", "regressão" ou "previsão", dependendo do tipo de problema de ML automatizado a ser resolvido.

O caminho completo para a pasta de projeto do Azure Machine Learning. Se não for especificado, o padrão é usar o diretório atual ou ".".

O número total de diferentes combinações de algoritmos e parâmetros a serem testadas durante um experimento de ML automatizado. Se não for especificado, o padrão é 1000 iterações.

A métrica que o Machine Learning Automatizado otimizará para seleção de modelo. O Machine Learning automatizado coleta mais métricas do que pode otimizar. Você pode usar get_primary_metrics para obter uma lista de métricas válidas para a tarefa fornecida. Para obter mais informações sobre como as métricas são calculadas, consulte https://docs.microsoft.com/azure/machine-learning/how-to-configure-auto-train#primary-metric.

Se não for especificado, a precisão será usada para tarefas de classificação, a média de raiz normalizada ao quadrado é usada para tarefas de previsão e regressão, a precisão é usada para classificação de imagem e classificação de vários rótulos de imagem e a precisão média média é usada para detecção de objetos de imagem.

O rótulo de classe positivo que o Machine Learning Automatizado usará para calcular as métricas binárias. As métricas binárias são calculadas em duas condições para tarefas de classificação:

1. A coluna de rótulo consiste em duas classes que indicam que a tarefa de classificação binária AutoML usará a classe positiva especificada quando positive_label for passada, caso contrário, o AutoML escolherá uma classe positiva com base no valor codificado pelo rótulo.
2. tarefa de classificação de várias classes com positive_label especificado

Para obter mais informações sobre classificação, métricas de check-out para cenários de classificação.

O destino de computação do Azure Machine Learning no qual executar o experimento do Machine Learning Automatizado. Confira https://docs.microsoft.com/azure/machine-learning/how-to-auto-train-remote mais informações sobre destinos de computação.

O contexto do Spark. Aplicável somente quando usado dentro do ambiente do Azure Databricks/Spark.

Os recursos de treinamento a serem usados ao ajustar pipelines durante um experimento. Essa configuração está sendo preterida. Em vez disso, use training_data e label_column_name.

Os rótulos de treinamento a serem usados ao ajustar pipelines durante um experimento. Esse é o valor que seu modelo preverá. Essa configuração está sendo preterida. Em vez disso, use training_data e label_column_name.

O peso a ser dado a cada exemplo de treinamento ao executar pipelines de ajuste, cada linha deve corresponder a uma linha em dados X e y.

Especifique Xesse parâmetro ao especificar . Essa configuração está sendo preterida. Em vez disso, use training_data e weight_column_name.

Recursos de validação a serem usados ao ajustar pipelines durante um experimento.

Se especificado, então y_valid ou sample_weight_valid também deve ser especificado. Essa configuração está sendo preterida. Use validation_data e label_column_name em vez disso.

Rótulos de validação a serem usados ao ajustar pipelines durante um experimento.

Ambos X_valid e y_valid devem ser especificados juntos. Essa configuração está sendo preterida. Use validation_data e label_column_name em vez disso.

O peso a ser dado a cada exemplo de validação ao executar pipelines de pontuação, cada linha deve corresponder a uma linha em dados X e y.

Especifique X_validesse parâmetro ao especificar . Essa configuração está sendo preterida. Em vez disso, use validation_data e weight_column_name.

Índices em que os dados de treinamento serão divididos para validação cruzada. Cada linha é uma dobra cruzada separada e, dentro de cada dobra cruzada, fornece duas matrizes numpy, a primeira com os índices para exemplos a serem usados para dados de treinamento e o segundo com os índices a serem usados para os dados de validação. ou seja, [[t1, v1], [t2, v2], ...] onde t1 é o índice de treinamento para a primeira dobra cruzada e v1 é o índice de validação para a primeira dobra cruzada. Essa opção tem suporte quando os dados são passados como conjunto de dados de recursos separados e coluna Label.

Para especificar dados existentes como dados de validação, use validation_data. Para permitir que o AutoML extraia dados de validação dos dados de treinamento, especifique um n_cross_validations ou validation_size. Use cv_split_column_names se você tiver colunas de validação cruzada em training_data.

Qual fração dos dados a serem armazenados para validação quando os dados de validação do usuário não forem especificados. Isso deve estar entre 0.0 e 1.0 não inclusivo.

Especifique validation_data para fornecer dados de validação, caso contrário, defina n_cross_validations ou validation_size extraia dados de validação dos dados de treinamento especificados. Para a dobra de validação cruzada personalizada, use cv_split_column_names.

Para obter mais informações, consulte Configurar divisões de dados e validação cruzada no machine learning automatizado.

Quantas validações cruzadas serão executadas quando os dados de validação do usuário não forem especificados.

Especifique validation_data para fornecer dados de validação, caso contrário, defina n_cross_validations ou validation_size extraia dados de validação dos dados de treinamento especificados. Para a dobra de validação cruzada personalizada, use cv_split_column_names.

Para obter mais informações, consulte Configurar divisões de dados e validação cruzada no machine learning automatizado.

Valor mínimo de y para um experimento de regressão. A combinação de e y_min são usadas para normalizar as métricas do conjunto de testes com base no intervalo de y_max dados de entrada. Essa configuração está sendo preterida. Em vez disso, esse valor será computado a partir dos dados.

Valor máximo de y para um experimento de regressão. A combinação de e y_min são usadas para normalizar as métricas do conjunto de testes com base no intervalo de y_max dados de entrada. Essa configuração está sendo preterida. Em vez disso, esse valor será computado a partir dos dados.

O número de classes nos dados do rótulo para um experimento de classificação. Essa configuração está sendo preterida. Em vez disso, esse valor será computado a partir dos dados.

'auto' / 'off' / Indicador FeaturizationConfig para saber se a etapa de featurization deve ser feita automaticamente ou não, ou se a caracterização personalizada deve ser usada. Observação: se os dados de entrada forem esparsos, a definição de recursos não poderá ser ativada.

O tipo de coluna é detectado automaticamente. Com base no pré-processamento/em destaque do tipo de coluna detectado, é feito da seguinte maneira:

• Categórico: codificação de destino, uma codificação ativa, descartar categorias de cardinalidade alta, imputar valores ausentes.

• Numérico: imputar valores ausentes, distância do cluster, peso da evidência.

• DateTime: vários recursos, como dia, segundos, minutos, horas etc.

• Texto: Pacote de palavras, inserção pré-treinada do Word, codificação de destino de texto.

Mais detalhes podem ser encontrados no artigo Configurar experimentos de ML automatizados no Python.

Para personalizar a etapa de featurization, forneça um objeto FeaturizationConfig. Atualmente, a caracterização personalizada dá suporte ao bloqueio de um conjunto de transformadores, atualização da finalidade da coluna, edição de parâmetros de transformador e remoção de colunas. Para obter mais informações, consulte Personalizar a engenharia de recursos.

Observação: os recursos de timeseries são tratados separadamente quando o tipo de tarefa é definido como previsão independente desse parâmetro.

O número máximo de threads a serem usados para uma determinada iteração de treinamento. Valores aceitáveis:

• Maior que 1 e menor ou igual ao número máximo de núcleos no destino de computação.

• Igual a -1, o que significa usar todos os núcleos possíveis por iteração por execução filho.

• Igual a 1, o valor padrão.

Representa o número máximo de iterações que seriam executadas em paralelo. O valor padrão é 1.

• Os clusters AmlCompute dão suporte a uma interação em execução por nó. Para vários experimentos executados em paralelo em um único cluster AmlCompute, a soma dos max_concurrent_iterations valores de todos os experimentos deve ser menor ou igual ao número máximo de nós.

• A DSVM dá suporte a várias iterações por nó. max_concurrent_iterations deve ser menor ou igual ao número de núcleos na DSVM. Para vários experimentos executados em paralelo em uma única DSVM, a soma dos max_concurrent_iterations valores para todos os experimentos deve ser menor ou igual ao número máximo de nós.

• Databricks – max_concurrent_iterations deve ser menor ou igual ao número de nós de trabalho no Databricks.

max_concurrent_iterations não se aplica a execuções locais. Anteriormente, esse parâmetro era nomeado concurrent_iterations.

Tempo máximo em minutos para o qual cada iteração pode ser executada antes de terminar. Se não for especificado, um valor de 1 mês ou 43.200 minutos será usado.

Uso máximo de memória para o qual cada iteração pode ser executada antes de terminar. Se não for especificado, um valor de 1 PB ou 1073741824 MB será usado.

Se deseja impor um limite de tempo no treinamento de modelo em cada iteração no Windows. O padrão é True. Se estiver em execução em um arquivo de script python (.py), consulte a documentação para permitir limites de recursos no Windows.

Quantidade máxima de tempo em horas que todas as iterações combinadas podem levar antes que o experimento seja encerrado. Pode ser um valor decimal como 0,25 representando 15 minutos. Se não for especificado, o tempo limite padrão do experimento será de 6 dias. Para especificar um tempo limite menor ou igual a 1 hora, verifique se o tamanho do conjunto de dados não é maior que 10.000.000 (coluna de linhas vezes) ou um resultado de erro.

Pontuação de destino para experimento. O experimento termina depois que essa pontuação é atingida. Se não for especificado (sem critérios), o experimento será executado até que nenhum progresso adicional seja feito na métrica primária. Para obter mais informações sobre critérios de saída, consulte este >>article https://docs.microsoft.com/azure/machine-learning/how-to-configure-auto-train#exit-criteria'_.<<

Se será possível habilitar a terminação antecipada se a pontuação não estiver melhorando no curto prazo. O padrão é True.

Lógica de parada antecipada:

• Nenhuma parada antecipada para as primeiras 20 iterações (pontos turísticos).

• A janela de parada antecipada começa na 21ª iteração e procura iterações early_stopping_n_iters (atualmente definida como 10). Isso significa que a primeira iteração em que a parada pode ocorrer é a 31ª.

• O AutoML ainda agenda duas iterações de conjunto após a parada antecipada, o que pode resultar em pontuações mais altas.

• A parada antecipada será disparada se o valor absoluto da melhor pontuação calculada for o mesmo para iterações de early_stopping_n_iters anteriores, ou seja, se não houver melhoria na pontuação para iterações early_stopping_n_iters.

Uma lista de algoritmos a serem ignorados para um experimento. Se enable_tf for False, os modelos tensorFlow serão incluídos em blocked_models.

Parâmetro preterido, use blocked_models em vez disso.

Se deve excluir linhas com valores NaN no rótulo. O padrão é True.

O nível de verbosidade para gravar no arquivo de log. O padrão é INFO ou 20. Os valores aceitáveis são definidos na biblioteca de log do Python.

Se deseja habilitar/desabilitar algoritmos tensorFlow. O padrão é False.

Se deseja habilitar a explicação do melhor modelo AutoML no final de todas as iterações de treinamento do AutoML. O padrão é True. Para obter mais informações, consulte Interpretabilidade: explicações de modelo no machine learning automatizado.

Uma lista de nomes de modelo para pesquisar um experimento. Se não for especificado, todos os modelos com suporte para a tarefa serão usados menos os modelos tensorFlow especificados blocked_models ou preteridos. Os modelos com suporte para cada tipo de tarefa são descritos na SupportedModels classe.

Uma lista de nomes de modelo para pesquisar um experimento. Se não for especificado, todos os modelos com suporte para a tarefa serão usados menos os modelos tensorFlow especificados blocked_models ou preteridos. Os modelos com suporte para cada tipo de tarefa são descritos na SupportedModels classe.

Parâmetro preterido, use allowed_models em vez disso.

Seja para habilitar ou desabilitar a imposição dos modelos compatíveis com ONNX. O padrão é False. Para obter mais informações sobre o ONNX (Open Neural Network Exchange) e o Azure Machine Learning, consulte este artigo.

Um objeto para conter todos os parâmetros específicos de previsão.

O nome da coluna de hora. Esse parâmetro é necessário ao prever para especificar a coluna datetime nos dados de entrada usados para criar a série temporal e inferir sua frequência. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

O horizonte de previsão máxima desejado em unidades de frequência de série temporal. O valor padrão é 1. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

As unidades são baseadas no intervalo de tempo dos dados de treinamento, por exemplo, mensalmente, semanalmente que o preditor deve prever. Quando o tipo de tarefa está sendo previsto, esse parâmetro é necessário. Para obter mais informações sobre como definir parâmetros de previsão, consulte Treinar automaticamente um modelo de previsão de série temporal.

Os nomes das colunas usadas para agrupar uma série de horários. Ele pode ser usado para criar várias séries. Se a granulação não estiver definida, o conjunto de dados será considerado uma série temporal. Esse parâmetro é usado com a previsão de tipo de tarefa. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

O número de períodos passados a serem atrasados da coluna de destino. O padrão é 1. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

Ao prever, esse parâmetro representa o número de linhas para atrasar os valores de destino com base na frequência dos dados. Isso é representado como uma lista ou inteiro único. O atraso deve ser usado quando a relação entre as variáveis independentes e a variável dependente não corresponder ou correlacionar por padrão. Por exemplo, ao tentar prever a demanda por um produto, a demanda em qualquer mês pode depender do preço de commodities específicas três meses antes. Neste exemplo, talvez você queira atrasar o destino (demanda) negativamente por 3 meses para que o modelo esteja treinando sobre a relação correta. Para obter mais informações, consulte Treinar automaticamente um modelo de previsão de série temporal.

Sinalizador para gerar atrasos para os recursos numéricos. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

O número de períodos passados usados para criar uma média de janela sem interrupção da coluna de destino. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

Ao prever, esse parâmetro representa n períodos históricos a serem usados para gerar valores previstos, <= tamanho do conjunto de treinamento. Se omitido, n é o tamanho completo do conjunto de treinamento. Especifique esse parâmetro quando desejar considerar apenas certa quantidade de histórico no treinamento do modelo.

O país/região usado para gerar recursos de férias. Eles devem ser códigos de país/região de duas letras ISO 3166, por exemplo , "EUA" ou "GB". Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

Configure a Decomposição de STL da coluna de destino da série temporal. use_stl pode levar três valores: Nenhum (padrão) - sem decomposição stl, 'season' - apenas gerar componente de temporada e season_trend - gera componentes de estação e tendência. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

Defina a sazonalidade da série temporal. Se a sazonalidade estiver definida como -1, ela será inferida. Se use_stl não estiver definido, esse parâmetro não será usado. Essa configuração está sendo preterida. Em vez disso, use forecasting_parameters.

O parâmetro que define como se o AutoML deve lidar com séries temporais curtas.

Valores possíveis: 'auto' (padrão), 'pad', 'drop' e None.

• séries curtas automáticas serão adicionadas se não houver séries longas, caso contrário, séries curtas serão descartadas.
• todas as séries curtas serão adicionadas.
• todas as séries curtas serão descartadas".
• Nenhuma série curta não será modificada. Se definido como 'pad', a tabela será acolchoada com os zeros e valores vazios para os regressores e valores aleatórios para o destino com a média igual à mediana do valor de destino para determinada ID de série temporal. Se a mediana for mais ou igual a zero, o valor acolchoado mínimo será recortado por zero: Entrada:

A saída supondo que o número mínimo de valores seja quatro: +————+—————+———-+——–+ | Data | numeric_value | cadeia de caracteres | destino | +============+===============+==========+========+ | 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 | verde | 55 | +————+—————+———-+——–+

Nota: Temos dois parâmetros short_series_handling_configuration e short_series_handling herdados. Quando ambos os parâmetros são definidos, estamos sincronizando-os conforme mostrado na tabela abaixo (short_series_handling_configuration e short_series_handling para brevidade são marcados como handling_configuration e manipulação, respectivamente).

Frequência de previsão.

Ao prever, esse parâmetro representa o período com o qual a previsão é desejada, por exemplo, diária, semanal, anual etc. A frequência de previsão é a frequência do conjunto de dados por padrão. Opcionalmente, você pode defini-lo como maior (mas não menor) do que a frequência do conjunto de dados. Agregaremos os dados e geraremos os resultados na frequência de previsão. Por exemplo, para dados diários, você pode definir a frequência como diária, semanal ou mensal, mas não por hora. A frequência precisa ser um alias de deslocamento pandas. Consulte a documentação do Pandas para obter mais informações: https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#dateoffset-objects

A função a ser usada para agregar a coluna de destino da série temporal para estar em conformidade com uma frequência especificada pelo usuário. Se o target_aggregation_function estiver definido, mas o parâmetro freq não estiver definido, o erro será gerado. As possíveis funções de agregação de destino são: "sum", "max", "min" e "mean".

Se deseja habilitar/desabilitar a iteração VotingEnsemble. O padrão é True. Para obter mais informações sobre conjuntos, consulte a configuração do Ensemble.

Se deseja habilitar/desabilitar a iteração StackEnsemble. O padrão é None. Se enable_onnx_compatible_models sinalizador estiver sendo definido, a iteração StackEnsemble será desabilitada. Da mesma forma, para tarefas do Timeseries, a iteração StackEnsemble será desabilitada por padrão, para evitar riscos de sobreajuste devido ao pequeno conjunto de treinamento usado na montagem do metaaplicativo. Para obter mais informações sobre conjuntos, consulte a configuração do Ensemble.

O arquivo de log para o qual gravar informações de depuração. Se não for especificado, 'automl.log' será usado.

Os dados de treinamento a serem usados no experimento. Ele deve conter recursos de treinamento e uma coluna de rótulo (opcionalmente uma coluna de pesos de exemplo). Se training_data for especificado, o label_column_name parâmetro também deverá ser especificado.

training_data foi introduzido na versão 1.0.81.

Os dados de validação a serem usados no experimento. Devem conter recursos de treinamento e uma coluna de rótulo (opcionalmente, uma coluna de pesos de amostra). Se validation_data for especificado, os parâmetros training_data e label_column_name deverão ser especificados.

validation_data foi introduzido na versão 1.0.81. Para obter mais informações, consulte Configurar divisões de dados e validação cruzada no machine learning automatizado.

O recurso Teste de Modelo usando conjuntos de dados de teste ou divisões de dados de teste é um recurso no estado de visualização e pode ser alterado a qualquer momento. Os dados de teste a serem usados para uma execução de teste que será iniciada automaticamente após a conclusão do treinamento do modelo. A execução de teste obterá previsões usando o melhor modelo e calculará as métricas dadas essas previsões.

Se esse parâmetro ou o test_size parâmetro não for especificado, nenhuma execução de teste será executada automaticamente após a conclusão do treinamento do modelo. Os dados de teste devem conter recursos e coluna de rótulo. Se test_data for especificado, o label_column_name parâmetro deverá ser especificado.

O recurso Teste de Modelo usando conjuntos de dados de teste ou divisões de dados de teste é um recurso no estado de visualização e pode ser alterado a qualquer momento. Que fração dos dados de treinamento devem conter para dados de teste para uma execução de teste que será iniciada automaticamente após a conclusão do treinamento do modelo. A execução de teste obterá previsões usando o melhor modelo e calculará as métricas dadas essas previsões.

Isso deve estar entre 0.0 e 1.0 não inclusivo. Se test_size for especificado ao mesmo tempo validation_sizeque, os dados de teste serão divididos antes que os dados de training_data validação sejam divididos. Por exemplo, se validation_size=0.1, test_size=0.1 e os dados de treinamento originais tiverem 1000 linhas, os dados de teste terão 100 linhas, os dados de validação conterão 90 linhas e os dados de treinamento terão 810 linhas.

Para tarefas baseadas em regressão, a amostragem aleatória é usada. Para tarefas de classificação, a amostragem estratificada é usada. Atualmente, a previsão não dá suporte à especificação de um conjunto de dados de teste usando uma divisão de treinamento/teste.

Se esse parâmetro ou o test_data parâmetro não for especificado, nenhuma execução de teste será executada automaticamente após a conclusão do treinamento do modelo.

O nome da coluna de rótulo. Se os dados de entrada forem de um pandas. DataFrame que não tem nomes de coluna, índices de coluna podem ser usados em vez disso, expressos como inteiros.

Esse parâmetro é aplicável a training_dataparâmetros e validation_data parâmetrostest_data. label_column_name foi introduzido na versão 1.0.81.

O nome da coluna de peso de exemplo. O ML automatizado dá suporte a uma coluna ponderada como entrada, fazendo com que as linhas nos dados sejam ponderadas para cima ou para baixo. Se os dados de entrada forem de um pandas. DataFrame que não tem nomes de coluna, índices de coluna podem ser usados em vez disso, expressos como inteiros.

Esse parâmetro é aplicável a parâmetros e a training_datavalidation_data parâmetros. weight_column_names foi introduzido na versão 1.0.81.

Lista de nomes das colunas que contêm divisão de validação cruzada personalizada. Cada uma das colunas de divisão cv representa uma divisão CV em que cada linha é marcada como 1 para treinamento ou 0 para validação.

Esse parâmetro é aplicável ao training_data parâmetro para fins de validação cruzada personalizada. cv_split_column_names foi introduzido na versão 1.6.0

Use ou cv_split_column_namescv_splits_indices.

Para obter mais informações, consulte Configurar divisões de dados e validação cruzada no machine learning automatizado.

Parâmetro desabilitado. As execuções gerenciadas locais não podem ser habilitadas no momento.

Se os modelos baseados em DNN devem ser incluídos durante a seleção do modelo. O padrão na inicialização é None. No entanto, o padrão é True para tarefas DNN NLP e é False para todas as outras tarefas autoML.