类别：: 模型监视器函数

MODEL_MONITOR_PERFORMANCE_METRIC¶

从模型监视器获取性能指标。每个模型监视器监控一个机器学习模型。

另请参阅：: 有关更多信息，请参阅查询监控结果。

语法¶

MODEL_MONITOR_PERFORMANCE_METRIC(<model_monitor_name>, <performance_metric_name>,
    [, <granularity> [, <start_time>  [, <end_time> ] ] ] )

Copy

实参¶

必填：

MODEL_MONITOR_NAME

用于计算指标的模型监视器名称。

有效值：模型监视器名称字符串。

模型监视器名称字符串。它可以是一个简单或完全限定的名称。

METRIC_NAME

性能指标的名称。

如果模型监视器连接到回归模型，则有效值包括：

'RMSE'

'MAE'

'MAPE'

'MSE'

如果模型监视器连接到二进制分类模型，则有效值包括：

'ROC_AUC'

'CLASSIFICATION_ACCURACY'

'PRECISION'

'RECALL'

'F1_SCORE'

可选：

GRANULARITY

正在查询的时间范围的粒度。默认值为 1 DAY。

有效值：模型监视器名称字符串。

'<num> DAY'

'<num> WEEK'

'<num> MONTH'

'<num> QUARTER'

'<num> YEAR'

'ALL'

NULL

START_TIME

用于计算指标的时间范围的起始点。默认值为当前时间前 60 天，每次调用该函数时都会计算。

有效值：模型监视器名称字符串。

时间戳表达式或 NULL。

END_TIME

用于计算指标的时间范围的终点。默认值是当前时间，每次调用该函数时都会计算。

有效值：模型监视器名称字符串。

时间戳表达式或 NULL。

返回¶

列	描述	示例值
`EVENT_TIMESTAMP`	时间范围开始的时间戳。	`2024-01-01 00:00:00.000`
`METRIC_VALUE`	指定时间范围内的指标值。	`0.5`
`COUNT_USED`	用于计算指标的记录数。	`100`
`COUNT_UNUSED`	从指标计算中排除的记录数。	`10`
`METRIC_NAME`	已计算的指标名称。	`ROC_AUC`
`SEGMENT_COLUMN`	Name of the segment column used in the metric calculation.	`EXAMPLE_COLUMN_NAME`
`SEGMENT_VALUE`	计算指标的分段的值。	`EXAMPLE_SEGMENT_VALUE`

使用说明¶

如果您为 model_monitor_name 指定的值区分大小写或包含特殊字符或空格，请将它们放在双引号里。您必须将双引号放在单引号里。例如，'"<example_model_monitor_name>"'。

如果您不使用双引号，则假定 model_monitor_name 不区分大小写。

为更大限度地减少架构变更的潜在影响，请更新您的查询，仅明确选择必要的列，而不是使用通配符 (*)。

一般要求¶

模型监视器必须与支持请求的指标类型的模型相关联。
模型监视器必须包含每个指标类型的必要数据，如下所述。

指标要求¶

以下是要获取回归指标所需的列：

RMSE：需要 prediction_score 和 actual_score 列
MAE：需要 prediction_score 和 actual_score 列
MAPE：需要 prediction_score 和 actual_score 列

以下是要获取二进制分类指标所需的列：

ROC_AUC：需要 prediction_score 和 actual_class 列
CLASSIFICATION_ACCURACY：需要 prediction_class 和 actual_class 列
PRECISION：需要 prediction_class 和 actual_class 列
RECALL：需要 prediction_class 和 actual_class 列
F1_SCORE：需要 prediction_class 和 actual_class 列

以下是要获取多类分类指标所需的列：

CLASSIFICATION_ACCURACY：需要 prediction_class 和 actual_class 列
MACRO_AVERAGE_PRECISION：需要 prediction_class 和 actual_class 列
MACRO_AVERAGE_RECALL：需要 prediction_class 和 actual_class 列
MICRO_AVERAGE_PRECISION：需要 prediction_class 和 actual_class 列
MICRO_AVERAGE_RECALL：需要 prediction_class 和 actual_class 列

备注

对于二进制分类，您可以使用微平均精度和召回率指标，就像在多类别分类中使用分类精度一样。

错误情况¶

如果执行以下操作，可能会遇到错误：

请求准确性指标，而不设置相应的预测列或实际列。
无法在 actual_score 或 actual_class 列中提供数据。

示例¶

以下示例从模型监视器获取一天期间的均方根误差 (RMSE)。

SELECT * FROM TABLE(MODEL_MONITOR_PERFORMANCE_METRIC(
'MY_MONITOR', 'RMSE', '1 DAY', TO_TIMESTAMP_TZ('2024-01-01'), TO_TIMESTAMP_TZ('2024-01-02'))
)

Copy

以下示例从模型监视器获取过去 30 天的均方根误差 (RMSE)：

SELECT * FROM TABLE(MODEL_MONITOR_PERFORMANCE_METRIC(
'MY_MONITOR', 'RMSE', '1 DAY', DATEADD('DAY', -30, CURRENT_DATE()), CURRENT_DATE())
)

Copy