get-evaluation

Описание

Возвращает Evaluation, содержащую метаданные, а также текущий статус Evaluation.

См. также: Документацию API AWS

Синтаксис

  get-evaluation
--evaluation-id <value>
[--cli-input-json | --cli-input-yaml]
[--generate-cli-skeleton <value>]
[--debug]
[--endpoint-url <value>]
[--no-verify-ssl]
[--no-paginate]
[--output <value>]
[--query <value>]
[--profile <value>]
[--region <value>]
[--version <value>]
[--color <value>]
[--no-sign-request]
[--ca-bundle <value>]
[--cli-read-timeout <value>]
[--cli-connect-timeout <value>]
[--cli-binary-format <value>]
[--no-cli-pager]
[--cli-auto-prompt]
[--no-cli-auto-prompt]

Параметры

--evaluation-id (строка)

Идентификатор Evaluation для извлечения. Оценка каждого MLModel записывается и каталогизируется. Идентификатор предоставляет доступ к информации.

--cli-input-json | --cli-input-yaml (строка) Считывает аргументы из предоставленной JSON-строки. JSON-строка следует формату, заданному --generate-cli-skeleton. Если другие аргументы предоставлены в командной строке, эти значения переопределят значения, предоставленные JSON. Невозможно передать произвольные двоичные значения с помощью значения, предоставленного в JSON, так как строка будет воспринята буквально. Это не может быть указано вместе с --cli-input-yaml.

--generate-cli-skeleton (строка) Выводит JSON-скелет в стандартный вывод без отправки запроса API. При отсутствии значения или значении input выводит пример входного JSON, который можно использовать в качестве аргумента для --cli-input-json. Аналогично, если задано yaml-input, будет выведен пример входного YAML, который можно использовать с --cli-input-yaml. При значении output происходит валидация входных данных команды и возвращается пример выходного JSON для этой команды. Сгенерированный JSON-скелет не стабилен между версиями AWS CLI, и нет гарантий обратной совместимости в сгенерированном JSON-скелете.

Глобальные параметры

--debug (логическое значение)

Включить отладку.

--endpoint-url (строка)

Переопределить URL по умолчанию команды на указанный URL.

--no-verify-ssl (логическое значение)

По умолчанию AWS CLI использует SSL при взаимодействии с AWS-сервисами. Для каждого соединения SSL AWS CLI будет проверять сертификаты SSL. Данный параметр переопределяет поведение проверки сертификатов SSL по умолчанию.

--no-paginate (логическое значение)

Отключить автоматическую постраничность. Если автоматическая постраничность отключена, AWS CLI выполнит только один вызов для первой страницы результатов.

--output (строка)

Стиль форматирования вывода команды.

json
text
table
yaml
yaml-stream

--query (строка)

Запрос JMESPath для фильтрации данных ответа.

--profile (строка)

Использование определенного профиля из файла ключей.

--region (строка)

Используемый регион. Переопределяет параметры конфигурации/среды.

--version (строка)

Отобразить версию инструмента.

--color (строка)

Включение/выключение цветного вывода.

on
off
auto

--no-sign-request (логическое значение)

Не подписывать запросы. Ключи не будут загружены, если этот аргумент предоставлен.

--ca-bundle (строка)

Файл сертификатов CA для проверки сертификатов SSL. Переопределяет параметры конфигурации/среды.

--cli-read-timeout (целое число)

Максимальное время чтения сокета в секундах. Если значение установлено в 0, чтение сокета будет выполняться без блокировки и без таймаута. Значение по умолчанию - 60 секунд.

--cli-connect-timeout (целое число)

Максимальное время подключения сокета в секундах. Если значение установлено в 0, подключение сокета будет выполняться без блокировки и без таймаута. Значение по умолчанию - 60 секунд.

--cli-binary-format (строка)

Стиль форматирования, используемый для двоичных блоков. По умолчанию используется формат base64. Формат base64 ожидает, что двоичные блоки будут предоставлены как строка, закодированная в base64. Формат raw-in-base64-out сохраняет совместимость с поведением AWS CLI V1, и двоичные значения должны передаваться буквально. При предоставлении содержимого из файла, сопоставляемого с двоичным блоком, fileb:// всегда будет обрабатываться как двоичное и использовать содержимое файла напрямую независимо от настроек cli-binary-format. При использовании file:// содержимое файла должно быть должным образом отформатировано для конфигурированного cli-binary-format.

base64
raw-in-base64-out

--no-cli-pager (логическое значение)

Отключение пейджера CLI для вывода.

--cli-auto-prompt (логическое значение)

Автоматически запрашивать параметры ввода CLI.

--no-cli-auto-prompt (логическое значение)

Отключить автоматическую запрос параметров ввода CLI.

Вывод

EvaluationId -> (строка)

Идентификатор оценки, совпадающий с EvaluationId в запросе.

MLModelId -> (строка)

Идентификатор MLModel, который был в центре оценки.

EvaluationDataSourceId -> (строка)

DataSource, используемый для этой оценки.

InputDataLocationS3 -> (строка)

Расположение файла или каталога данных в Amazon Simple Storage Service (Amazon S3).

CreatedByIamUser -> (строка)

Учетная запись пользователя AWS, которая инициировала оценку. Тип учетной записи может быть корневой учетной записью AWS или учетной записью пользователя AWS Identity and Access Management (IAM).

CreatedAt -> (метка времени)

Время создания Evaluation. Время выражено в формате эпохи.

LastUpdatedAt -> (метка времени)

Время последнего изменения Evaluation. Время выражено в формате эпохи.

Name -> (строка)

Заданное пользователем имя или описание Evaluation.

Status -> (строка)

Статус оценки. Элемент может принимать одно из следующих значений:

PENDING - Amazon Machine Language (Amazon ML) отправил запрос на оценку MLModel.
INPROGRESS - Оценка выполняется.
FAILED - Запрос на оценку MLModel не был завершен. Он не может быть использован.
COMPLETED - Процесс оценки завершился успешно.
DELETED - Evaluation помечен как удаленный. Он не может быть использован.

PerformanceMetrics -> (структура)

Показатели эффективности работы MLModel, используя наблюдения, указанные в DataSource. Один из следующих показателей возвращается в зависимости от типа MLModel:

BinaryAUC: Бинарная MLModel использует технику Площади под кривой (AUC) для измерения эффективности.
RegressionRMSE: Регрессионная MLModel использует технику Корня из среднеквадратичной ошибки (RMSE) для измерения эффективности. RMSE измеряет разницу между предсказанными и фактическими значениями для одной переменной.
MulticlassAvgFScore: Мультиклассовая MLModel использует технику F1-меры для измерения эффективности.

Для получения дополнительной информации о показателях эффективности см. Руководство разработчика Amazon Machine Learning.

Properties -> (отображение)

ключ -> (строка)

значение -> (строка)

LogUri -> (строка)

Ссылка на файл, содержащий журналы операции CreateEvaluation.

Message -> (строка)

Описание последних деталей об оценке MLModel.

ComputeTime -> (целое число)

Приблизительное время работы ЦП в миллисекундах, затраченное Amazon Machine Learning на обработку Evaluation, нормализованное и масштабированное на вычислительные ресурсы. ComputeTime доступно только если Evaluation находится в состоянии COMPLETED.

FinishedAt -> (метка времени)

Время эпохи, когда Amazon Machine Learning пометил Evaluation как COMPLETED или FAILED. FinishedAt доступно только тогда, когда Evaluation находится в состоянии COMPLETED или FAILED.

StartedAt -> (метка времени)

Время эпохи, когда Amazon Machine Learning пометил Evaluation как INPROGRESS. StartedAt недоступно, если Evaluation находится в состоянии PENDING.