Classification interface
Tugas klasifikasi di vertikal Tabel AutoML.
- Memperluas
Properti
| cv |
Kolom yang digunakan untuk data CVSplit. |
| featurization |
Input fiturisasi diperlukan untuk pekerjaan AutoML. |
| limit |
Batasan eksekusi untuk AutoMLJob. |
| n |
Jumlah lipatan validasi silang yang akan diterapkan pada himpunan data pelatihan ketika himpunan data validasi tidak disediakan. |
| positive |
Label positif untuk perhitungan metrik biner. |
| primary |
Metrik utama untuk tugas klasifikasi. |
| task |
[Diperlukan] Jenis tugas untuk AutoMLJob. |
| test |
Menguji input data. |
| test |
Pecahan himpunan data pengujian yang perlu disisihkan untuk tujuan validasi. Nilai antara (0.0 , 1.0) Diterapkan saat himpunan data validasi tidak disediakan. |
| training |
Input untuk fase pelatihan untuk Pekerjaan AutoML. |
| validation |
Input data validasi. |
| validation |
Sebagian kecil himpunan data pelatihan yang perlu disisihkan untuk tujuan validasi. Nilai antara (0.0 , 1.0) Diterapkan saat himpunan data validasi tidak disediakan. |
| weight |
Nama kolom berat sampel. ML otomatis mendukung kolom tertimbang sebagai input, menyebabkan baris dalam data ditimbang ke atas atau ke bawah. |
Properti yang Diwariskan
| log |
Enum untuk mengatur verbositas log. |
| target |
Nama kolom target: Ini adalah kolom nilai prediksi. Juga dikenal sebagai nama kolom label dalam konteks tugas klasifikasi. |
| training |
[Diperlukan] Input data pelatihan. |
Detail Properti
cvSplitColumnNames
Kolom yang digunakan untuk data CVSplit.
cvSplitColumnNames?: string[]
Nilai Properti
string[]
featurizationSettings
Input fiturisasi diperlukan untuk pekerjaan AutoML.
featurizationSettings?: TableVerticalFeaturizationSettings
Nilai Properti
limitSettings
Batasan eksekusi untuk AutoMLJob.
limitSettings?: TableVerticalLimitSettings
Nilai Properti
nCrossValidations
Jumlah lipatan validasi silang yang akan diterapkan pada himpunan data pelatihan ketika himpunan data validasi tidak disediakan.
nCrossValidations?: NCrossValidationsUnion
Nilai Properti
positiveLabel
Label positif untuk perhitungan metrik biner.
positiveLabel?: string
Nilai Properti
string
primaryMetric
Metrik utama untuk tugas klasifikasi.
primaryMetric?: string
Nilai Properti
string
taskType
[Diperlukan] Jenis tugas untuk AutoMLJob.
taskType: "Classification"
Nilai Properti
"Classification"
testData
testDataSize
Pecahan himpunan data pengujian yang perlu disisihkan untuk tujuan validasi. Nilai antara (0.0 , 1.0) Diterapkan saat himpunan data validasi tidak disediakan.
testDataSize?: number
Nilai Properti
number
trainingSettings
Input untuk fase pelatihan untuk Pekerjaan AutoML.
trainingSettings?: ClassificationTrainingSettings
Nilai Properti
validationData
validationDataSize
Sebagian kecil himpunan data pelatihan yang perlu disisihkan untuk tujuan validasi. Nilai antara (0.0 , 1.0) Diterapkan saat himpunan data validasi tidak disediakan.
validationDataSize?: number
Nilai Properti
number
weightColumnName
Nama kolom berat sampel. ML otomatis mendukung kolom tertimbang sebagai input, menyebabkan baris dalam data ditimbang ke atas atau ke bawah.
weightColumnName?: string
Nilai Properti
string
Detail Properti yang Diwariskan
logVerbosity
Enum untuk mengatur verbositas log.
logVerbosity?: string
Nilai Properti
string
Diwarisi dariAutoMLVertical.logVerbosity
targetColumnName
Nama kolom target: Ini adalah kolom nilai prediksi. Juga dikenal sebagai nama kolom label dalam konteks tugas klasifikasi.
targetColumnName?: string
Nilai Properti
string
Diwarisi dariAutoMLVertical.targetColumnName
trainingData
[Diperlukan] Input data pelatihan.
trainingData: MLTableJobInput
Nilai Properti
Diwarisi dariAutoMLVertical.trainingData