TabularPredictor.simulation_artifact¶

TabularPredictor.simulation_artifact(test_data: DataFrame = None) → dict[source]¶

[高级] 计算并返回执行零样本超参数优化 (HPO) 模拟所需的信息。有关用法示例，请参阅 https://github.com/autogluon/tabrepo/blob/main/examples/run_quickstart_from_scratch.py

参数：

test_data (pd.DataFrame, 默认值 = None) – 用于预测的测试数据。如果为 None，输出中将不包含 `pred_proba_dict_test` 和 `y_test` 键。

返回：

simulation_dict – 执行零样本 HPO 模拟所需的信息字典。键如下所示：

pred_proba_dict_val: 验证数据上从模型名称到预测概率（或如果是回归问题则为预测值）的字典 pred_proba_dict_test: 测试数据上从模型名称到预测概率（或如果是回归问题则为预测值）的字典 y_val: 验证数据的真实标签（内部表示）的 Pandas Series y_test: 测试数据的真实标签（内部表示）的 Pandas Series eval_metric: 评估指标的字符串名称（通过 `predictor.eval_metric.name` 获得） problem_type: 问题类型（通过 `predictor.problem_type` 获得） problem_type_transform: 转换后（内部）的问题类型（通过 `predictor._learner.label_cleaner.problem_type_transform,` 获得） ordered_class_labels: 原始类别标签（`predictor._learner.label_cleaner.ordered_class_labels`） ordered_Class_labels_transformed: 转换后（内部）的类别标签（`predictor._learner.label_cleaner.ordered_class_labels_transformed`） num_classes: 内部类别的数量（`self._learner.label_cleaner.num_classes`） label: 标签列名称（`predictor.label`）

返回类型：

dict