TimeSeriesCloudPredictor.predict#

TimeSeriesCloudPredictor.predict(test_data: Union[str, DataFrame], static_features: Optional[Union[str, DataFrame]] = None, predictor_path: Optional[str] = None, framework_version: str = 'latest', job_name: Optional[str] = None, instance_type: str = 'ml.m5.2xlarge', instance_count: int = 1, custom_image_uri: Optional[str] = None, wait: bool = True, backend_kwargs: Optional[Dict] = None) → Optional[DataFrame][source]#

使用 SageMaker 批量转换进行预测。当延迟不是关注点时，批量转换功能可能更容易、更具可伸缩性且更合适。如果需要最小化延迟，请改用 predict_real_time()。了解更多信息：https://docs.aws.amazon.com/sagemaker/latest/dg/batch-transform.html 此方法会首先使用训练好的预测器创建一个 AutoGluonSagemakerInferenceModel，然后用它创建一个转换器，并在最后调用 transform 方法。

参数

  • test_data (str) – 用于进行推理的测试数据。可以是 pandas.DataFrame 或 csv 文件的本地路径。

  • static_features (Optional[Union[str, pd.DataFrame]]) – 一个可选的数据框，描述项目索引中单个项目的元数据属性。更多详细信息，请参阅 TimeSeriesDataFrame 文档：https://autogluon.cn/stable/api/autogluon.predictor.html#timeseriesdataframe

  • target (str) – 包含要预测的目标值的列的名称

  • predictor_path (str) – 要用于预测的预测器 tarball 的路径。路径可以是本地路径或 S3 位置。如果为 None，将使用通过 fit() 训练的最新预测器。

  • framework_version (str, default = latest) – AutoGluon 的推理容器版本。如果为 latest，将使用最新的可用容器版本。如果提供特定版本，将使用该版本。如果设置了 custom_image_uri，则此参数将被忽略。

  • job_name (str, default = None) – 启动的训练作业的名称。如果为 None，CloudPredictor 将创建一个以 ag-cloudpredictor 为前缀的名称。

  • instance_count (int, default = 1,) – 用于执行批量转换的实例数量。

  • instance_type (str, default = 'ml.m5.2xlarge') – 用于批量转换的实例类型。

  • wait (bool, default = True) – 是否等待批量转换完成。请注意，函数不会立即返回，因为在转换之前需要进行一些准备工作。

  • backend_kwargs (dict, default = None) –

    需要传递给底层后端的任何额外参数。对于 SageMaker 后端，有效键包括：

    1. download: bool, 默认值 = True

      是否将批量转换结果下载到磁盘并在批量转换完成后加载。如果 wait 为 False，则此参数将被忽略。

    2. persist: bool, 默认值 = True

      是否将下载的批量转换结果持久化到磁盘上。如果 download 为 False，则此参数将被忽略。

    3. save_path: str, 默认值 = None,

      保存下载结果的路径。如果 download 为 False，则此参数将被忽略。如果为 None，CloudPredictor 将创建一个路径。如果 persist 为 False，文件将首先下载到此路径，然后被删除。

    4. model_kwargs: dict, 默认值 = dict()

      初始化 SageMaker Model 所需的任何额外参数。有关所有选项，请参阅 https://sagemaker.readthedocs.io/en/stable/api/inference/model.html#model

    5. transformer_kwargs: dict

      需要传递给 transformer 的任何额外参数。有关所有选项，请参阅 https://sagemaker.readthedocs.io/en/stable/api/inference/transformer.html#sagemaker.transformer.Transformer。

    6. transform_kwargs

      需要传递给 transform 的任何额外参数。有关所有选项，请参阅 https://sagemaker.readthedocs.io/en/stable/api/inference/transformer.html#sagemaker.transformer.Transformer.transform。