MultiModalPredictor.predict

MultiModalPredictor.predict(data: DataFrame | dict | list | str, candidate_data: DataFrame | dict | list | None = None, id_mappings: Dict[str, Dict] | Dict[str, Series] | None = None, as_pandas: bool | None = None, realtime: bool | None = False, save_results: bool | None = None, **kwargs)

对新数据预测标签列的值。

参数：

• data – 用于进行预测的数据。应包含与训练数据相同的列名，并遵循相同的格式（除了 label 列）。

• candidate_data – 用于搜索查询数据匹配项的候选数据。

• id_mappings – ID 到内容的映射。内容可以是文本、图像等。当数据包含查询/响应标识符而不是其内容时使用此参数。

• as_pandas – 是否将输出作为 pandas DataFrame (Series) 返回 (True) 或 numpy 数组 (False)。

• realtime – 是否进行实时推理，这对于小型数据是高效的（默认为 False）。如果提供 None，我们将根据数据模态和样本数量进行推断。

• save_results – 是否保存预测结果（目前仅适用于检测任务）

• **kwargs – 要传递给底层学习器预测方法的额外关键字参数。例如，用于目标检测任务的 as_coco。

返回：

• 预测数组，每个预测对应给定数据集中的一行。

• 格式取决于特定的学习器和提供的参数。