microsoftml.rx_predict: Poäng med en Microsoft maskininlärningsmodell

Usage

microsoftml.rx_predict(model,
    data: typing.Union[revoscalepy.datasource.RxDataSource.RxDataSource,
    pandas.core.frame.DataFrame],
    output_data: typing.Union[revoscalepy.datasource.RxDataSource.RxDataSource,
    str] = None, write_model_vars: bool = False,
    extra_vars_to_write: list = None, suffix: str = None,
    overwrite: bool = False, data_threads: int = None,
    blocks_per_read: int = None, report_progress: int = None,
    verbose: int = 1,
    compute_context: revoscalepy.computecontext.RxComputeContext.RxComputeContext = None,
    **kargs)

Description

Rapporterar poängsättning per instans resulterar i en dataram eller revoscalepy datakälla med hjälp av en tränad Microsoft ML strojové učenie-modell med arevoscalepydata-källa.

Detaljer

Följande objekt rapporteras som standard i utdatan: poängsättning på tre variabler för de binära klassificerarna: PredictedLabel, Score och Probability; Score för oneClassSvm och regressionsklassificerare; PredictedLabel för multiklassklassificerare, plus en variabel för varje kategori som föregår av Score.

Arguments

model

Ett modellinformationsobjekt returnerat från en microsoftml-modell. Till exempel returnerade ett objekt från rx_fast_trees eller rx_logistic_regression.

data

Ett revoscalepy datakällobjekt, en dataram eller vägen till en .xdf fil.

output_data

Skriv ut text eller xdf-filnamn eller har RxDataSource skrivmöjligheter för att lagra transformerad data. Om ingen är returneras en dataram. Standardvärdet är Ingen.

write_model_vars

Om True, skrivs variabler i modellen till utdatamängden utöver poängvariablerna. Om variabler från indatamängden transformeras i modellen inkluderas även de transformerade variablerna. Standardvärdet är False.

extra_vars_to_write

None eller teckenvektor av ytterligare variabler namn från indatan att inkludera i output_data. Om write_model_vars är True, inkluderas även modellvariabler. Standardvärdet är None.

suffix

En teckensträng som specificerar suffixet att lägga till den skapade poängvariabeln/variablerna, eller None i finns inget suffix. Standardvärdet är None.

skriv över

Om True, skrivs en existens output_data över; om False en existerande output_data inte skrivs över. Standardvärdet är False.

data_threads

Ett heltal som specificerar önskad grad av parallellism i datapipelinen. Om ingen är det, bestäms antalet använda trådar internt. Standardvärdet är Ingen.

blocks_per_read

Anger antalet block som ska läsas för varje segment av data som läss från datakällan.

report_progress

Ett heltalsvärde som anger rapporteringsnivån för radbearbetningsförloppet:

0: Inga förlopp rapporteras.
1: Antalet bearbetade rader skrivs ut och uppdateras.
2: Rader som bearbetas och tidsinställningar rapporteras.
3: bearbetade rader och alla tidsinställningar rapporteras.

Standardvärdet är 1.

omständig

Ett heltalsvärde som anger önskad mängd utdata. Om 0skrivs inga utförliga utdata ut under beräkningar. Heltalsvärden från 1 för att 4 ge ökande mängder information. Standardvärdet är 1.

compute_context

Anger kontexten där beräkningar körs, som anges med en giltig revoscalepy. RxComputeContext. För närvarande lokal och revoscalepy. RxInSqlServer-beräkningskontexter stöds.

kargs

Ytterligare argument som skickas till beräkningsmotorn.

Retur

En dataram eller en revoskalering. RxDataSource-objektet representerar den skapade utdatan. Som standard inkluderar utdata från poänggivande binära klassificerare tre variabler: PredictedLabel, Score, och Probability; rx_oneclass_svm och regression inkluderar en variabel: Score; och multiklassklassificerare inkluderar PredictedLabel plus en variabel för varje kategori som föregås av Score. Om en suffix tillhandahålls läggs den till i slutet av dessa utdatavariabelnamn.

Exempel på binär klassificering

'''
Binary Classification.
'''
import numpy
import pandas
from microsoftml import rx_fast_linear, rx_predict
from revoscalepy.etl.RxDataStep import rx_data_step
from microsoftml.datasets.datasets import get_dataset

infert = get_dataset("infert")

import sklearn
if sklearn.__version__ < "0.18":
    from sklearn.cross_validation import train_test_split
else:
    from sklearn.model_selection import train_test_split

infertdf = infert.as_df()
infertdf["isCase"] = infertdf.case == 1
data_train, data_test, y_train, y_test = train_test_split(infertdf, infertdf.isCase)

forest_model = rx_fast_linear(
    formula=" isCase ~ age + parity + education + spontaneous + induced ",
    data=data_train)
    
# RuntimeError: The type (RxTextData) for file is not supported.
score_ds = rx_predict(forest_model, data=data_test,
                     extra_vars_to_write=["isCase", "Score"])
                     
# Print the first five rows
print(rx_data_step(score_ds, number_rows_read=5))

Resultat:

Automatically adding a MinMax normalization transform, use 'norm=Warn' or 'norm=No' to turn this behavior off.
Beginning processing data.
Rows Read: 186, Read Time: 0, Transform Time: 0
Beginning processing data.
Beginning processing data.
Rows Read: 186, Read Time: 0.001, Transform Time: 0
Beginning processing data.
Beginning processing data.
Rows Read: 186, Read Time: 0.001, Transform Time: 0
Beginning processing data.
Using 2 threads to train.
Automatically choosing a check frequency of 2.
Auto-tuning parameters: maxIterations = 8064.
Auto-tuning parameters: L2 = 2.666837E-05.
Auto-tuning parameters: L1Threshold (L1/L2) = 0.
Using best model from iteration 590.
Not training a calibrator because it is not needed.
Elapsed time: 00:00:00.6058289
Elapsed time: 00:00:00.0084728
Beginning processing data.
Rows Read: 62, Read Time: 0, Transform Time: 0
Beginning processing data.
Elapsed time: 00:00:00.0302359
Finished writing 62 rows.
Writing completed.
Rows Read: 5, Total Rows Processed: 5, Total Chunk Time: 0.001 seconds 
  isCase PredictedLabel     Score  Probability
0  False           True  0.576775     0.640325
1  False          False -2.929549     0.050712
2   True          False -2.370090     0.085482
3  False          False -1.700105     0.154452
4  False          False -0.110981     0.472283

Regressionsexempel

'''
Regression.
'''
import numpy
import pandas
from microsoftml import rx_fast_trees, rx_predict
from revoscalepy.etl.RxDataStep import rx_data_step
from microsoftml.datasets.datasets import get_dataset

airquality = get_dataset("airquality")

import sklearn
if sklearn.__version__ < "0.18":
    from sklearn.cross_validation import train_test_split
else:
    from sklearn.model_selection import train_test_split

airquality = airquality.as_df()


######################################################################
# Estimate a regression fast forest
# Use the built-in data set 'airquality' to create test and train data

df = airquality[airquality.Ozone.notnull()]
df["Ozone"] = df.Ozone.astype(float)

data_train, data_test, y_train, y_test = train_test_split(df, df.Ozone)

airFormula = " Ozone ~ Solar_R + Wind + Temp "

# Regression Fast Forest for train data
ff_reg = rx_fast_trees(airFormula, method="regression", data=data_train)

# Put score and model variables in data frame
score_df = rx_predict(ff_reg, data=data_test, write_model_vars=True)
print(score_df.head())

# Plot actual versus predicted values with smoothed line
# Supported in the next version.
# rx_line_plot(" Score ~ Ozone ", type=["p", "smooth"], data=score_df)