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。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。

有效值：

  • '<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。

有效值：

常量时间流表达式或 NULL。

END_TIME

用于计算指标的时间范围的终点。

有效值：

常量时间流表达式或 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

使用说明

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。

  • 确保模型监视器满足指标要求。

    • 回归

      • 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

    • 二进制分类

      • 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

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。

  • actual_score 或 actual_class 列没有数据。

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
语言: 中文