datadrift 包
包含用于检测模型训练数据何时偏离其评分数据的功能。
在机器学习中，数据偏移 是导致模型性能下降的模型输入数据的变化。 这是模型准确性随时间推移下降的主要原因之一，因此监视数据偏移有助于检测模型性能问题。 通过此包，可以检测数据偏移并发出警报。
通过 DataDriftDetector 类，可以配置数据监视器对象，然后该对象可以作为作业运行以分析数据偏移。 数据偏移作业可以以交互方式运行，也可以启用以按计划运行。 当数据偏移超过具有 AlertConfiguration 类的阈值时，可以设置警报。
模块
| alert_configuration |
包含用于在 Azure 机器学习中配置数据偏移警报的功能。 |
| datadriftdetector |
包含用于检测 Azure 机器学习中两个数据集之间的数据偏移的核心功能。 数据偏移通过数据集或部署进行度量，并依赖于 Dataset API。 |
类
| AlertConfiguration |
表示数据偏移作业的警报配置。 AlertConfiguration 类允许在作业上 DataDriftDetector 设置可配置的警报（如电子邮件）。 可以使用 DataDriftDetector 类的创建方法之一时指定警报配置。 构造 函数。 允许在 DataDriftDetector 作业上设置可配置的警报（例如电子邮件）。 |
| DataDriftDetector |
定义可用于在 Azure 机器学习中运行数据偏移作业的数据偏移监视器。 使用 DataDriftDetector 类可以识别给定基线和目标数据集之间的偏移。 DataDriftDetector 对象是通过直接指定基线和目标数据集在工作区中创建的。 有关详细信息，请参阅 https://aka.ms/datadrift。 Datadriftdetector 构造函数。 DataDriftDetector 构造函数用于检索与提供的工作区关联的 DataDriftDetector 对象的云表示形式。 |
| Metric |
表示数据偏移分析中返回的指标。 Metric 类仅用于内部使用。 get_output使用对象的方法来DataDriftDetector返回指标。 指标构造函数。 |
| ModelServingDataset |
表示在创建基于模型的 DataDriftDetector 对象时在内部使用的数据集。 基于模型的 DataDriftDetector 使你能够计算模型训练数据集与其评分数据集之间的数据偏移。 若要创建基于模型的 DataDriftDetector，请使用 <xref:azureml.datadrift.DataDriftDetector.create_from_model> 该方法。 构造 函数。 |
枚举
| MetricType |
定义数据偏移分析中返回的指标类型。 get_output使用对象的方法来DataDriftDetector返回指标。 |