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 do 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 automatizado de ML. Se não for especificado, o padrão é 1000 iterações.

A métrica que o Automated Machine Learning otimizará para a seleção de modelos. 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 sua determinada tarefa. 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 é usada para tarefas de classificação, a raiz normalizada média 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 deteção de objetos de imagem.

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

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

Para obter mais informações sobre classificação, verifique as métricas para cenários de classificação.

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

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

Os recursos de treinamento devem ser usados ao encaixar tubulações durante um experimento. Essa configuração está sendo preterida. Por favor, use training_data e label_column_name em vez disso.

As etiquetas de treinamento a serem usadas ao encaixar tubulações durante um experimento. Este é o valor que o seu modelo irá prever. Essa configuração está sendo preterida. Por favor, use training_data e label_column_name em vez disso.

O peso a atribuir a cada amostra de treino ao executar condutas de ajuste, cada linha deve corresponder a uma linha nos dados X e y.

Especifique este parâmetro ao especificar X. Essa configuração está sendo preterida. Por favor, use training_data e weight_column_name em vez disso.

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. Por favor, use validation_data e label_column_name em vez disso.

Etiquetas de validação para usar ao encaixar tubulações durante um experimento.

Ambos X_valid e y_valid devem ser especificados em conjunto. Essa configuração está sendo preterida. Por favor, use validation_data e label_column_name em vez disso.

O peso a atribuir a cada amostra de validação ao executar pipelines de pontuação, cada linha deve corresponder a uma linha nos dados X e y.

Especifique este parâmetro ao especificar X_valid. Essa configuração está sendo preterida. Por favor, use validation_data e weight_column_name em vez disso.

Índices onde dividir os dados de treinamento para validação cruzada. Cada linha é uma dobra cruzada separada e, dentro de cada dobra cruzada, fornece 2 matrizes numpy, a primeira com os índices para amostras a serem usadas para dados de treinamento e a segunda com os índices para usar para dados de validação. ou seja, [[t1, v1], [t2, v2], ...] onde t1 são os índices de treino para a primeira dobra cruzada e v1 são os índices 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 coluna(s) de validação cruzada no training_data.

Qual fração dos dados deve ser mantida para validação quando os dados de validação do usuário não são especificados. Isso deve ser entre 0,0 e 1,0 não inclusivo.

Especifique validation_data para fornecer dados de validação, definir n_cross_validations ou validation_size extrair dados de validação dos dados de treinamento especificados. Para dobra de validação cruzada personalizada, use cv_split_column_names.

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

Quantas validações cruzadas devem ser executadas quando os dados de validação do usuário não são especificados.

Especifique validation_data para fornecer dados de validação, definir n_cross_validations ou validation_size extrair dados de validação dos dados de treinamento especificados. Para dobra de validação cruzada personalizada, use cv_split_column_names.

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

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

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

'auto' / 'off' / FeaturizationConfig Indicador para saber se a etapa de featurização deve ser feita automaticamente ou não, ou se a featurização personalizada deve ser usada. Nota: Se os dados de entrada forem escassos, a featurização não pode ser ativada.

O tipo de coluna é detetado automaticamente. Com base no tipo de coluna detetado, o pré-processamento/featurização é feito da seguinte forma:

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

• Numérico: imputar valores em falta, distância do agrupamento, ponderação da prova.

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

• Texto: Saco de palavras, incorporação de palavras pré-treinada, codificação de destino de texto.

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

Para personalizar a etapa de featurização, forneça um objeto FeaturizationConfig. Atualmente, a featurização personalizada suporta o bloqueio de um conjunto de transformadores, a atualização da finalidade da coluna, a edição dos parâmetros do transformador e a queda de colunas. Para obter mais informações, consulte Personalizar engenharia de recursos.

Nota: Os recursos de séries cronológicas são tratados separadamente quando o tipo de tarefa é definido como previsão, independentemente 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 child-run.

• Igual a 1, o padrão.

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

• Os clusters AmlCompute suportam uma interação em execução por nó. Para várias execuções pai de experimento AutoML executadas em paralelo em um único cluster AmlCompute, a max_concurrent_iterations soma dos 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 suporta 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 chamado concurrent_iterationsde .

Tempo máximo em minutos que cada iteração pode ser executada antes de terminar. Se não for especificado, é utilizado um valor de 1 mês ou 43200 minutos.

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

Se deve impor um limite de tempo no treinamento do modelo em cada iteração no Windows. O padrão é True. Se estiver sendo executado a partir de 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 termine. 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 tempos de linha) ou se um erro resulta.

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

Se deve permitir a rescisão antecipada se a pontuação não estiver melhorando no curto prazo. O padrão é True.

Lógica de paragem precoce:

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

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

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

• O AutoML ainda agenda 2 iterações de conjunto APÓS a parada antecipada, o que pode resultar em

  pontuações mais elevadas.

• A interrupção antecipada é acionada 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 early_stopping_n_iters iterações.

Uma lista de algoritmos a serem ignorados para um experimento. Se enable_tf for False, os modelos do TensorFlow serão incluídos no blocked_models.

Parâmetro preterido, use blocked_models em vez disso.

Se as linhas com valores NaN devem ser excluídas 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 ativar/desativar algoritmos Tensorflow. O padrão é False.

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

Uma lista de nomes de modelos para procurar um experimento. Se não for especificado, todos os modelos suportados para a tarefa serão usados menos quaisquer modelos TensorFlow especificados blocked_models ou preteridos. Os modelos suportados SupportedModels para cada tipo de tarefa são descritos na classe.

Parâmetro preterido, use allowed_models em vez disso.

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

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

O nome da coluna de tempo. Este parâmetro é necessário durante a previsão para especificar a coluna datetime nos dados de entrada usados para construir a série temporal e inferir sua frequência. Essa configuração está sendo preterida. Por favor, use forecasting_parameters em vez disso.

O horizonte máximo de previsão desejado em unidades de frequência de séries cronológicas. O valor padrão é 1.

As unidades são baseadas no intervalo de tempo dos seus dados de treinamento, por exemplo, mensalmente, semanalmente que o meteorologista deve prever. Quando o tipo de tarefa é previsão, 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. Por favor, use forecasting_parameters em vez disso.

Os nomes das colunas usadas para agrupar uma série temporal. Ele pode ser usado para criar várias séries. Se o grão não estiver definido, o conjunto de dados é assumido como uma série temporal. Este parâmetro é usado com a previsão de tipo de tarefa. Essa configuração está sendo preterida. Por favor, use forecasting_parameters em vez disso.

O número de períodos anteriores com atraso em relação à coluna de destino. O padrão é 1. Essa configuração está sendo preterida. Por favor, use forecasting_parameters em vez disso.

Durante a previsão, este parâmetro representa o número de linhas para defasar os valores de destino com base na frequência dos dados. Isso é representado como uma lista ou inteiro único. A defasagem deve ser usada quando a relação entre as variáveis independentes e a variável dependente não correspondem ou se correlacionam por padrão. Por exemplo, ao tentar prever a demanda por um produto, a demanda em qualquer mês pode depender do preço de mercadorias específicas 3 meses antes. Neste exemplo, você pode querer atrasar o alvo (demanda) negativamente em 3 meses para que o modelo esteja treinando sobre o relacionamento correto. Para obter mais informações, consulte Treinar automaticamente um modelo de previsão de séries temporais.

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

O número de períodos passados usados para criar uma média de janela móvel da coluna de destino. Essa configuração está sendo preterida. Por favor, use forecasting_parameters em vez disso.

Ao fazer a previsão, este parâmetro representa n períodos históricos a serem usados para gerar valores previstos, <= tamanho do conjunto de treinamento. Se omitido, n é o tamanho total do conjunto de treinamento. Especifique esse parâmetro quando quiser considerar apenas uma certa quantidade de histórico ao treinar o modelo.

O país/região usado para gerar recursos de férias. Estes devem ser o código de país/região ISO 3166 de duas letras, por exemplo «EUA» ou «GB». Essa configuração está sendo preterida. Por favor, use forecasting_parameters em vez disso.

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

Defina a sazonalidade das séries cronológicas. Se a sazonalidade for definida como 'auto', ela será inferida. Essa configuração está sendo preterida. Por favor, use forecasting_parameters em vez disso.

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

Valores possíveis: 'auto' (padrão), 'pad', 'drop' e Nenhum.

• As séries curtas automáticas serão acolchoadas se não houver séries longas, caso contrário, as séries curtas serão descartadas.
• Todas as séries curtas serão acolchoadas.
• todas as séries curtas serão abandonadas".
• Nenhuma das séries curtas não será modificada. Se definido como 'pad', a tabela será preenchida com os zeros e valores vazios para os regressores e valores aleatórios para o alvo com a média igual à mediana do valor-alvo para uma determinada série cronológica id. Se a mediana for maior ou igual a zero, o valor agregado mínimo será cortado por zero: Entrada:

A saída assumindo um número mínimo de valores é quatro:

Observação: Temos dois parâmetros short_series_handling_configuration e legados short_series_handling. Quando ambos os parâmetros são definidos, estamos sincronizando-os como 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 fazer a previsão, este parâmetro representa o período com o qual a previsão é desejada, por exemplo, diariamente, semanalmente, anualmente, 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. Vamos agregar os dados e gerar os resultados na frequência prevista. Por exemplo, para dados diários, você pode definir a frequência como diária, semanal ou mensal, mas não horária. A frequência precisa ser um alias de deslocamento de pandas. Consulte a documentação dos 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: "soma", "máx", "min" e "média".

Se a iteração VotingEnsemble deve ser ativada/desabilitada. O padrão é True. Para obter mais informações sobre conjuntos, consulte Configuração do Ensemble.

Se a iteração StackEnsemble deve ser ativada/desabilitada. O padrão é Nenhum. Se enable_onnx_compatible_models sinalizador estiver sendo definido, a iteração StackEnsemble será desabilitada. Da mesma forma, para tarefas de séries temporais, a iteração do StackEnsemble será desativada por padrão, para evitar riscos de sobreajuste devido ao pequeno conjunto de treinamento usado no ajuste do meta-aluno. Para obter mais informações sobre conjuntos, consulte Configuração do Ensemble.

O arquivo de log para gravar informações de depuração. Se não for especificado, utiliza-se «automl.log».

Os dados de treinamento a serem usados dentro do experimento. Ele deve conter recursos de treinamento e uma coluna de rótulo (opcionalmente, uma coluna de pesos de amostra). Se training_data for especificado, o label_column_name parâmetro também deve ser especificado.

training_data foi introduzido na versão 1.0.81.

Os dados de validação a utilizar na experiência. Ele deve conter recursos de treinamento e coluna de rótulo (opcionalmente, uma coluna de pesos de amostra). Se validation_data for especificado, então training_data e label_column_name os parâmetros devem ser especificados.

validation_data foi introduzido na versão 1.0.81. Para obter mais informações, consulte Configurar divisões de dados e validação cruzada no aprendizado de máquina 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 do teste obterá previsões usando o melhor modelo e calculará métricas dadas essas previsões.

Se este parâmetro ou o parâmetro não forem especificados, nenhuma execução de teste será executada automaticamente após a conclusão do test_size treinamento do modelo. Os dados de teste devem conter recursos e coluna de rótulo. Se test_data for especificado, então o label_column_name parâmetro deve 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. Qual fração dos dados de treinamento armazenar para dados de teste para uma execução de teste que será iniciada automaticamente após a conclusão do treinamento do modelo. A execução do teste obterá previsões usando o melhor modelo e calculará métricas dadas essas previsões.

Isso deve ser entre 0,0 e 1,0 não inclusivo. Se test_size for especificado ao mesmo tempo que validation_size, os dados de teste serão divididos antes que os dados de validação sejam divididos training_data . 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, é utilizada amostragem aleatória. Para as tarefas de classificação, utiliza-se a amostragem estratificada. Atualmente, a previsão não suporta a especificação de um conjunto de dados de teste usando uma divisão trem/teste.

Se este parâmetro ou o parâmetro não forem especificados, nenhuma execução de teste será executada automaticamente após a conclusão do test_data treinamento do modelo.

O nome da coluna do 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.

Este parâmetro é aplicável a training_data, validation_data e test_data parâmetros. label_column_name foi introduzido na versão 1.0.81.

O nome da coluna de peso da amostra. O ML automatizado suporta 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.

Este parâmetro é aplicável a training_data e validation_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 divididas do CV representa uma divisão do CV em que cada linha está marcada com 1 para formação ou 0 para validação.

Este 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 um ou cv_split_column_namescv_splits_indices.

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

Parâmetro desativado. 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 no init é Nenhum. No entanto, o padrão é True para tarefas de NLP DNN 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 do 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 automatizado de ML. Se não for especificado, o padrão é 1000 iterações.

A métrica que o Automated Machine Learning otimizará para a seleção de modelos. 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 sua determinada tarefa. 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 é usada para tarefas de classificação, a raiz normalizada média 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 deteção de objetos de imagem.

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

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

Para obter mais informações sobre classificação, verifique as métricas para cenários de classificação.

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

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

Os recursos de treinamento devem ser usados ao encaixar tubulações durante um experimento. Essa configuração está sendo preterida. Por favor, use training_data e label_column_name em vez disso.

As etiquetas de treinamento a serem usadas ao encaixar tubulações durante um experimento. Este é o valor que o seu modelo irá prever. Essa configuração está sendo preterida. Por favor, use training_data e label_column_name em vez disso.

O peso a atribuir a cada amostra de treino ao executar condutas de ajuste, cada linha deve corresponder a uma linha nos dados X e y.

Especifique este parâmetro ao especificar X. Essa configuração está sendo preterida. Por favor, use training_data e weight_column_name em vez disso.

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. Por favor, use validation_data e label_column_name em vez disso.

Etiquetas de validação para usar ao encaixar tubulações durante um experimento.

Ambos X_valid e y_valid devem ser especificados em conjunto. Essa configuração está sendo preterida. Por favor, use validation_data e label_column_name em vez disso.

O peso a atribuir a cada amostra de validação ao executar pipelines de pontuação, cada linha deve corresponder a uma linha nos dados X e y.

Especifique este parâmetro ao especificar X_valid. Essa configuração está sendo preterida. Por favor, use validation_data e weight_column_name em vez disso.

Índices onde dividir os dados de treinamento para validação cruzada. Cada linha é uma dobra cruzada separada e, dentro de cada dobra cruzada, fornece 2 matrizes numpy, a primeira com os índices para amostras a serem usadas para dados de treinamento e a segunda com os índices para usar para dados de validação. ou seja, [[t1, v1], [t2, v2], ...] onde t1 são os índices de treino para a primeira dobra cruzada e v1 são os índices de validação para a primeira dobra cruzada. Esta opção é suportada quando os dados são passados como conjunto de dados Recursos separado e coluna Rótulo.

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 coluna(s) de validação cruzada no training_data.

Qual fração dos dados deve ser mantida para validação quando os dados de validação do usuário não são especificados. Isso deve ser entre 0,0 e 1,0 não inclusivo.

Especifique validation_data para fornecer dados de validação, definir n_cross_validations ou validation_size extrair dados de validação dos dados de treinamento especificados. Para dobra de validação cruzada personalizada, use cv_split_column_names.

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

Quantas validações cruzadas devem ser executadas quando os dados de validação do usuário não são especificados.

Especifique validation_data para fornecer dados de validação, definir n_cross_validations ou validation_size extrair dados de validação dos dados de treinamento especificados. Para dobra de validação cruzada personalizada, use cv_split_column_names.

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

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

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

'auto' / 'off' / FeaturizationConfig Indicador para saber se a etapa de featurização deve ser feita automaticamente ou não, ou se a featurização personalizada deve ser usada. Nota: Se os dados de entrada forem escassos, a featurização não pode ser ativada.

O tipo de coluna é detetado automaticamente. Com base no tipo de coluna detetado, o pré-processamento/featurização é feito da seguinte forma:

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

• Numérico: imputar valores em falta, distância do agrupamento, ponderação da prova.

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

• Texto: Saco de palavras, incorporação de palavras pré-treinada, codificação de destino de texto.

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

Para personalizar a etapa de featurização, forneça um objeto FeaturizationConfig. Atualmente, a featurização personalizada suporta o bloqueio de um conjunto de transformadores, a atualização da finalidade da coluna, a edição dos parâmetros do transformador e a queda de colunas. Para obter mais informações, consulte Personalizar engenharia de recursos.

Nota: Os recursos de séries cronológicas são tratados separadamente quando o tipo de tarefa é definido como previsão, independentemente 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 child-run.

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

• A DSVM suporta 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 chamado concurrent_iterationsde .

Tempo máximo em minutos que cada iteração pode ser executada antes de terminar. Se não for especificado, é utilizado um valor de 1 mês ou 43200 minutos.

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

Se deve impor um limite de tempo no treinamento do modelo em cada iteração no Windows. O padrão é True. Se estiver sendo executado a partir de 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 termine. 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 tempos de linha) ou se um erro resulta.

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

Se deve permitir a rescisão antecipada se a pontuação não estiver melhorando no curto prazo. O padrão é True.

Lógica de paragem precoce:

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

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

• O AutoML ainda agenda 2 iterações de conjunto APÓS a parada antecipada, o que pode resultar em pontuações mais altas.

• A parada antecipada é acionada se o valor absoluto da melhor pontuação calculada for o mesmo para iterações early_stopping_n_iters passadas, ou seja, se não houver melhoria na pontuação para early_stopping_n_iters iterações.

Uma lista de algoritmos a serem ignorados para um experimento. Se enable_tf for False, os modelos do TensorFlow serão incluídos no blocked_models.

Parâmetro preterido, use blocked_models em vez disso.

Se as linhas com valores NaN devem ser excluídas 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 os algoritmos TensorFlow devem ser habilitados/desativados. O padrão é False.

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

Uma lista de nomes de modelos para procurar um experimento. Se não for especificado, todos os modelos suportados para a tarefa serão usados menos quaisquer modelos TensorFlow especificados blocked_models ou preteridos. Os modelos suportados SupportedModels para cada tipo de tarefa são descritos na classe.

Uma lista de nomes de modelos para procurar um experimento. Se não for especificado, todos os modelos suportados para a tarefa serão usados menos quaisquer modelos TensorFlow especificados blocked_models ou preteridos. Os modelos suportados SupportedModels para cada tipo de tarefa são descritos na classe.

Parâmetro preterido, use allowed_models em vez disso.

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

Um objeto para armazenar todos os parâmetros específicos de previsão.

O nome da coluna de tempo. Este parâmetro é necessário durante a previsão para especificar a coluna datetime nos dados de entrada usados para construir a série temporal e inferir sua frequência. Essa configuração está sendo preterida. Por favor, use forecasting_parameters em vez disso.

O horizonte máximo de previsão desejado em unidades de frequência de séries cronológicas. O valor padrão é 1. Essa configuração está sendo preterida. Por favor, use forecasting_parameters em vez disso.

As unidades são baseadas no intervalo de tempo dos seus dados de treinamento, por exemplo, mensalmente, semanalmente que o meteorologista deve prever. Quando o tipo de tarefa é previsão, 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 temporal. Ele pode ser usado para criar várias séries. Se o grão não estiver definido, o conjunto de dados é assumido como uma série temporal. Este parâmetro é usado com a previsão de tipo de tarefa. Essa configuração está sendo preterida. Por favor, use forecasting_parameters em vez disso.

O número de períodos anteriores com atraso em relação à coluna de destino. O padrão é 1. Essa configuração está sendo preterida. Por favor, use forecasting_parameters em vez disso.

Durante a previsão, este parâmetro representa o número de linhas para defasar os valores de destino com base na frequência dos dados. Isso é representado como uma lista ou inteiro único. A defasagem deve ser usada quando a relação entre as variáveis independentes e a variável dependente não correspondem ou se correlacionam por padrão. Por exemplo, ao tentar prever a demanda por um produto, a demanda em qualquer mês pode depender do preço de mercadorias específicas 3 meses antes. Neste exemplo, você pode querer atrasar o alvo (demanda) negativamente em 3 meses para que o modelo esteja treinando sobre o relacionamento correto. Para obter mais informações, consulte Treinar automaticamente um modelo de previsão de séries temporais.

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

O número de períodos passados usados para criar uma média de janela móvel da coluna de destino. Essa configuração está sendo preterida. Por favor, use forecasting_parameters em vez disso.

Ao fazer a previsão, este parâmetro representa n períodos históricos a serem usados para gerar valores previstos, <= tamanho do conjunto de treinamento. Se omitido, n é o tamanho total do conjunto de treinamento. Especifique esse parâmetro quando quiser considerar apenas uma certa quantidade de histórico ao treinar o modelo.

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

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

Defina a sazonalidade das séries cronológicas. Se a sazonalidade for definida como -1, será inferida. Se use_stl não estiver definido, esse parâmetro não será usado. Essa configuração está sendo preterida. Por favor, use forecasting_parameters em vez disso.

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

Valores possíveis: 'auto' (padrão), 'pad', 'drop' e Nenhum.

• As séries curtas automáticas serão acolchoadas se não houver séries longas, caso contrário, as séries curtas serão descartadas.
• Todas as séries curtas serão acolchoadas.
• todas as séries curtas serão abandonadas".
• Nenhuma das séries curtas não será modificada. Se definido como 'pad', a tabela será preenchida com os zeros e valores vazios para os regressores e valores aleatórios para o alvo com a média igual à mediana do valor-alvo para uma determinada série cronológica id. Se a mediana for maior ou igual a zero, o valor agregado mínimo será cortado por zero: Entrada:

A saída assumindo um número mínimo de valores é quatro: +————+—————+———-+——–+ | Data | numeric_value | corda | público-alvo | +============+===============+==========+========+ | 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 | 55º º +————+—————+———-+——–+

Observação: Temos dois parâmetros short_series_handling_configuration e legados short_series_handling. Quando ambos os parâmetros são definidos, estamos sincronizando-os como 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 fazer a previsão, este parâmetro representa o período com o qual a previsão é desejada, por exemplo, diariamente, semanalmente, anualmente, 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. Vamos agregar os dados e gerar os resultados na frequência prevista. Por exemplo, para dados diários, você pode definir a frequência como diária, semanal ou mensal, mas não horária. A frequência precisa ser um alias de deslocamento de pandas. Consulte a documentação dos 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: "soma", "máx", "min" e "média".

Se a iteração VotingEnsemble deve ser ativada/desabilitada. O padrão é True. Para obter mais informações sobre conjuntos, consulte Configuração do Ensemble.

Se a iteração StackEnsemble deve ser ativada/desabilitada. O padrão é Nenhum. Se enable_onnx_compatible_models sinalizador estiver sendo definido, a iteração StackEnsemble será desabilitada. Da mesma forma, para tarefas de séries temporais, a iteração do StackEnsemble será desativada por padrão, para evitar riscos de sobreajuste devido ao pequeno conjunto de treinamento usado no ajuste do meta-aluno. Para obter mais informações sobre conjuntos, consulte Configuração do Ensemble.

O arquivo de log para gravar informações de depuração. Se não for especificado, utiliza-se «automl.log».

Os dados de treinamento a serem usados dentro do experimento. Ele deve conter recursos de treinamento e uma coluna de rótulo (opcionalmente, uma coluna de pesos de amostra). Se training_data for especificado, o label_column_name parâmetro também deve ser especificado.

training_data foi introduzido na versão 1.0.81.

Os dados de validação a utilizar na experiência. Ele deve conter recursos de treinamento e coluna de rótulo (opcionalmente, uma coluna de pesos de amostra). Se validation_data for especificado, então training_data e label_column_name os parâmetros devem ser especificados.

validation_data foi introduzido na versão 1.0.81. Para obter mais informações, consulte Configurar divisões de dados e validação cruzada no aprendizado de máquina 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 do teste obterá previsões usando o melhor modelo e calculará métricas dadas essas previsões.

Se este parâmetro ou o parâmetro não forem especificados, nenhuma execução de teste será executada automaticamente após a conclusão do test_size treinamento do modelo. Os dados de teste devem conter recursos e coluna de rótulo. Se test_data for especificado, então o label_column_name parâmetro deve 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. Qual fração dos dados de treinamento armazenar para dados de teste para uma execução de teste que será iniciada automaticamente após a conclusão do treinamento do modelo. A execução do teste obterá previsões usando o melhor modelo e calculará métricas dadas essas previsões.

Isso deve ser entre 0,0 e 1,0 não inclusivo. Se test_size for especificado ao mesmo tempo que validation_size, os dados de teste serão divididos antes que os dados de validação sejam divididos training_data . 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, é utilizada amostragem aleatória. Para as tarefas de classificação, utiliza-se a amostragem estratificada. Atualmente, a previsão não suporta a especificação de um conjunto de dados de teste usando uma divisão trem/teste.

Se este parâmetro ou o parâmetro não forem especificados, nenhuma execução de teste será executada automaticamente após a conclusão do test_data treinamento do modelo.

O nome da coluna do 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.

Este parâmetro é aplicável a training_data, validation_data e test_data parâmetros. label_column_name foi introduzido na versão 1.0.81.

O nome da coluna de peso da amostra. O ML automatizado suporta 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.

Este parâmetro é aplicável a training_data e validation_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 divididas do CV representa uma divisão do CV em que cada linha está marcada com 1 para formação ou 0 para validação.

Este 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 um ou cv_split_column_namescv_splits_indices.

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

Parâmetro desativado. 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 no init é Nenhum. No entanto, o padrão é True para tarefas de NLP DNN e é False para todas as outras tarefas AutoML.