microsoftml.rx_predict:Microsoft機械学習モデルを用いたスコア

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

レポートごとにスコアリングを行うと、訓練済みのMicrosoft ML Machine Learningモデルとarevoscalepydataソースを用いたデータフレームまたはrevoscalepyのデータソースが得られます。

詳細情報

以下の項目がデフォルトで出力で報告されます:バイナリ分類器の3変数によるスコアリング:PredictedLabel、Score、Probability;oneClassSvmおよび回帰分類器のスコア、マルチクラス分類器用のPredictedLabelと、各カテゴリごとにScoreが先頭に付く変数を付けます。

引数

モデル

MicrosoftMLモデルから返されるモデル情報オブジェクト。例えば、 rx_fast_trees や rx_logistic_regressionから返還された物体などです。

データ

revoscalepyのデータソースオブジェクト、データフレーム、または.xdfファイルへのパスなどです。

output_data

出力テキストやxdfファイル名、または変換データを保存するための書き込み機能を備えた RxDataSource 。 もしなしの場合は、データフレームが返されます。既定値は None です。

write_model_vars

Trueの場合、モデル内の変数はスコアリング変数に加えて出力データセットに書き込まれます。入力データセットの変数がモデル内で変換された場合、変換された変数も含まれます。既定値は False です。

extra_vars_to_write

None または入力データから追加変数名の文字ベクトルを output_dataに含める。 write_model_varsがTrueであれば、モデル変数も含まれます。既定値は None です。

サフィックス

作成されたスコア None 変数に付け加える接尾辞を指定する文字列は、接尾辞を使いません。または、そこに付ける接尾辞は存在しません。既定値は None です。

上書き

Trueなら既存のoutput_dataが上書きされます。False既存のoutput_dataが上書きされない場合は、既定値は False です。

data_threads

データパイプラインにおける望ましい並列度を指定する整数。 もしなしの場合、使用されるスレッド数は内部で決定されます。既定値は None です。

blocks_per_read

データソースから読み取られたデータのチャンクごとに読み取るブロックの数を指定します。

report_progress

行処理の進行状況に関するレポートのレベルを指定する整数値。

0: 進行状況は報告されません。
1: 処理された行の数が印刷され、更新されます。
2: 処理された行とタイミングが報告されます。
3: 処理された行とすべてのタイミングが報告されます。

既定値は 1 です。

詳細

必要な出力量を指定する整数値。 0場合、計算中に詳細な出力は出力されません。 1から4までの整数値により、情報の量が増えます。既定値は 1 です。

compute_context

有効な revoscalepy で指定された、計算が実行されるコンテキストを設定します。RxComputeContext。現在、ローカルと revoscalepy。RxInSqlServer コンピューティングコンテキストがサポートされています。

kargs

コンピューティングエンジンに送信される追加の引数。

返品

データフレームや revoscalepyです。作成された出力データを表現するRxDataSourceオブジェクト。デフォルトでは、スコアリング二項分類器の出力は3つの変数(PredictedLabel、Score、Probability)を持ちます。rx_oneclass_svmと回帰は1つの変数、Scoreを含みます。マルチクラス分類器は、各カテゴリごとにScoreが先に付く変数と、PredictedLabelを加えます。 suffixが提供されている場合、これらの出力変数名の末尾に追加されます。

二項分類の例

'''
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))

Output:

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

回帰の例

'''
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)