레서피 구성¶
included_transformers¶
Include specific transformers (List)
Default value []
Transformer display names to indicate which transformers to use in experiment. More information for these transformers can be viewed here: http://docs.h2o.ai/driverless-ai/latest-stable/docs/userguide/transformations.html This section allows including/excluding these transformations and may be useful when simpler (more interpretable) models are sought at the expense of accuracy. the interpretability setting) for multi-class: 〈[〈NumCatTETransformer〉, 〈TextLinModelTransformer〉, 〈FrequentTransformer〉, 〈CVTargetEncodeTransformer〉, 〈ClusterDistTransformer〉, 〈WeightOfEvidenceTransformer〉, 〈TruncSVDNumTransformer〉, 〈CVCatNumEncodeTransformer〉, 〈DatesTransformer〉, 〈TextTransformer〉, 〈OriginalTransformer〉, 〈NumToCatWoETransformer〉, 〈NumToCatTETransformer〉, 〈ClusterTETransformer〉, 〈InteractionsTransformer〉]〉
회귀/바이너리: 〈[〈TextTransformer〉, 〈ClusterDistTransformer〉, 〈OriginalTransformer〉, 〈TextLinModelTransformer〉, 〈NumToCatTETransformer〉, 〈DatesTransformer〉, 〈WeightOfEvidenceTransformer〉, 〈InteractionsTransformer〉, 〈FrequentTransformer〉, 〈CVTargetEncodeTransformer〉, 〈NumCatTETransformer〉, 〈NumToCatWoETransformer〉, 〈TruncSVDNumTransformer〉, 〈ClusterTETransformer〉, 〈CVCatNumEncodeTransformer〉]〉
이 목록은 실험 로그에 나타납니다 (〈사용된 트랜스포머〉 검색).
included_models¶
Include specific models (List)
Default value []
included_scorers¶
Include specific scorers (List)
Default value []
included_pretransformers¶
Include specific preprocessing transformers (List)
Default value []
다른 트랜스포머가 작동하기 전에 전처리에 사용할 트랜스포머를 선택하십시오. 전처리 트랜스포머는 잠재적으로 원래 특징을 가져오고 임의의 특징을 출력할 수 있으며, 그러면 toml included_transformers 또는 GUI 《특정 트랜스포머 포함》 을 통해 선택을 제어하는 일반 트랜스포머 계층에서 사용할 수 있습니다. 참고: 1) 전처리 트랜스포머(및 트랜스포머의 다른 모든 계층)는 python 및 (해당되는 경우) mojo 스코어링 패키지의 일부입니다. 2) 모든 BYOR 트랜스포머 레시피 또는 기본 DAI 트랜스포머를 전처리 트랜스포머로 사용할 수 있습니다. 예를 들어, 전처리 트랜스포머는 상호작용, 문자열 연결, 날짜 추출을 전처리 단계로 수행할 수 있으며
Date 및 DateTime 트랜스포머의 다음 레이어는 이를 입력 데이터로 사용합니다.
경고: 1) 아직 생성되지 않은 time_column에 대해 현재 time series 실험을 수행할 수 없습니다(실험 설정은 원본 데이터에 대해서만 인식하며 변환되지 않음).
그러나 런타임 데이터 레시피를 사용하여 (예:) float date-time을 string date-time으로 변환할 수 있으며, 이는 DAI의 날짜 및 날짜시간 트랜스포머와 time series 자동 감지에서 사용됩니다.
GUI/클라이언트 자동 선택 그룹, 기간 등을 사용하여 time series 실험을 수행하려면, 데이터 세트에 사용자 또는 일회성 데이터 레서피를 통해 실험 전에 시간 열과 그룹이 준비되어 있어야 합니다.
num_pipeline_layers¶
Number of pipeline layers (Number)
Default value 1
- 전체 파이프라인 계층 수
(included_pretransformers가 비어 있지 않은 경우 전처리 계층을 포함하지 않음).
included_datas¶
Include specific data recipes during experiment (List)
Default value []
2개의 데이터 레시피가 있습니다.: 1) 파일/URL(실험 전 데이터 레시피)로 새로운 데이터 세트를 추가하거나 실험 외부의 데이터 세트를 수정합니다. 2) 실험 및 python 채점 중 데이터 세트 수정(런타임 데이터 레시피) 이 목록은 두 번째 경우에 적용됩니다. 두 경우 모두 동일한 데이터 레시피 코드를 사용할 수 있지만: A) 첫 번째 경우는 새로운 데이터를 만들 수 있지만 채점 패키지의 일부는 아닙니다. B) 두 번째 경우는 실험 중에 데이터를 수정하므로 원본 데이터 세트가 필요합니다.
- 레시피는 다음에 대해 동일한 name 을 갖는 한 모든 새로운 기능을 계속 생성할 수 있습니다.
target, weight_column, fold_column, time_column, 시간 그룹 열.
included_individuals¶
Include specific individuals (List)
Default value []
Custom individuals to use in experiment. DAI contains most information about model type, model hyperparameters, data science types for input features, transformers used, and transformer parameters an Individual Recipe (an object that is evolved by mutation within the context of DAI’s genetic algorithm).
Every completed experiment auto-generates python code for the experiment that corresponds to the individual(s) used to build the final model. This auto-generated python code can be edited offline and uploaded as a recipe, or it can be edited within the custom recipe management editor and saved. This allowed one a code-first access to a significant portion of DAI’s internal transformer and model generation.
Choices are: * Empty means all individuals are freshly generated and treated by DAI’s AutoML as a container of model and transformer choices. * Recipe display names of custom individuals, usually chosen via the UI. If the number of included custom individuals is less than DAI would need, then the remaining individuals are freshly generated. The expert experiment-level option fixed_num_individuals can be used to enforce how many individuals to use in evolution stage. The expert experiment-level option fixed_ensemble_level can be used to enforce how many individuals (each with one base model) will be used in the final model.
These individuals act in similar way as the feature brain acts for restart and retrain/refit, and one can retrain/refit custom individuals (i.e. skip the tuning and evolution stages) to use them in building a final model.
See toml make_python_code for more details.
make_python_code¶
Generate python code for individual (String)
Default value 'auto'
Whether to generate python code for the best individuals for the experiment. This python code contains a CustomIndividual class that is a recipe that can be edited and customized. The CustomIndividual class itself can also be customized for expert use.
By default, 〈auto〉 means on.
At the end of an experiment, the summary zip contains auto-generated python code for the individuals used in the experiment, including the last best population (best_population_indivXX.py where XX iterates the population), last best individual (best_individual.py), final base models (final_indivYY.py where YY iterates the final base models). The summary zip also contains an example_indiv.py file that generates other transformers that may be useful that did not happen to be used in the experiment. In addition, the GUI and python client allow one to generate custom individuals from an aborted or finished experiment. For finished experiments, this will provide a zip file containing the final_indivYY.py files, and for aborted experiments this will contain the best population and best individual files.
See included_individuals for more details.
make_json_code¶
Generate json code for individual (String)
Default value 'auto'
Whether to generate json code for the best individuals for the experiment. This python code contains the essential attributes from the internal DAI individual class. Reading the json code as a recipe is not supported. By default, 〈auto〉 means off.
python_code_ngenes_max¶
Max. Num. genes for example auto-generated individual (Number)
Default value 100
Maximum number of genes to make for example auto-generated custom individual, called example_indiv.py in the summary zip file.
python_code_ngenes_min¶
Min. Num. genes for example auto-generated individual (Number)
Default value 100
Minimum number of genes to make for example auto-generated custom individual, called example_indiv.py in the summary zip file.
threshold_scorer¶
Scorer to optimize threshold to be used in other confusion-matrix based scorers (for binary classification) (String)
Default value 'AUTO'
다음과 같은 관련 Confusion Matrix 기반 스코어러에서 사용되는 이진 확률 임계값을 최적화하려면 스코어러를 선택하십시오: Precision, Recall, FalsePositiveRate, FalseDiscoveryRate, FalseOmissionRate, TrueNegativeRate, FalseNegativeRate, NegativePredictiveValue. 대상 클래스가 더 중요하면 F1을 사용하고 모든 클래스가 똑같이 중요하면 MCC를 사용합니다. AUTO의 경우 임계값 스코어러를 실험에 사용된 스코어러와 동기화하려고 시도하고, 그렇지 않으면 F1으로 폴백합니다.
prob_add_genes¶
Probability to add transformers (Float)
Default value 0.5
특정 속성을 가진 트랜스포머의 인스턴스 또는 유전자를 추가할 비정규화 확률입니다. 추가할 수 있는 유전자가 없으면 다른 뮤테이션(모델 하이퍼파라미터 뮤테이팅, 유전자 가지치기, 특징 가지치기)를 시도합니다.
prob_addbest_genes¶
Probability to add best shared transformers (Float)
Default value 0.5
prob_add_genes를 조건으로 하는 정규화되지 않은 확률로, 모집단 내의 다른 개체에게 유익한 것으로 나타난 특정 속성을 가진 유전자 또는 트랜스포머 인스턴스를 추가합니다.
prob_prune_genes¶
Probability to prune transformers (Float)
Default value 0.5
특정 속성을 가진 유전자 또는 트랜스포머 인스턴스를 가지치기 위한 비정규화 확률. 속성이 많은 다양한 트랜스포머가 존재하는 경우 기본값이 적합합니다. 그러나 변경하지 않아야 하는 트랜스포머 세트를 고정하거나 새 트랜스포머 속성을 추가할 수 없는 경우 이 값을 0.0으로 설정하는 것이 원하지 않는 변환 손실을 방지하는 데 적합합니다.
prob_perturb_xgb¶
Probability to mutate model parameters (Float)
Default value 0.25
비정규화 확률 변경 모델 하이퍼 파라미터.
prob_prune_by_features¶
Probability to prune weak features (Float)
Default value 0.25
유전자/트랜스포머의 전체 인스턴스를 가지치기하는 것과는 대조적으로 변수 중요도가 낮은 특징을 정리할 비정규화 확률입니다.
skip_transformer_failures¶
Whether to skip failures of transformers (Boolean)
Default value True
Skipping just avoids the failed transformer. Sometimes python multiprocessing swallows exceptions, so skipping and logging exceptions is also more reliable way to handle them. Recipe can raise h2oaicore.systemutils.IgnoreError to ignore error and avoid logging error. Features that fail are pruned from the individual. If that leaves no features in the individual, then backend tuning, feature/model tuning, final model building, etc. will still fail since DAI should not continue if all features are from a failed state.
skip_model_failures¶
Whether to skip failures of models (Boolean)
Default value True
건너 뛰면 실패한 모델을 피할 수 있습니다. 오류는 details_skip_failure_messages_level에 따라 기록됩니다.》 레시피는 오류를 무시하고 오류 기록을 피하기 위해 h2oaicore.systemutils.IgnoreError를 발생시킬 수 있습니다.
skip_scorer_failures¶
Whether to skip failures of scorers (Boolean)
Default value True
Skipping just avoids the failed scorer if among many scorers. Failures are logged depending upon detailed_skip_failure_messages_level.》 Recipe can raise h2oaicore.systemutils.IgnoreError to ignore error and avoid logging error. Default is True to avoid failing in, e.g., final model building due to a single scorer.
skip_data_recipe_failures¶
Whether to skip runtime data recipe failures (Boolean)
Default value False
Skipping avoids the failed recipe. Failures are logged depending upon detailed_skip_failure_messages_level.》 Default is False because runtime data recipes are one-time at start of experiment and expected to work by default.
detailed_skip_failure_messages_level¶
Level to log (0=simple message 1=code line plus message 2=detailed stack traces) for skipped failures. (Number)
Default value 1
- 실패한 다음 건너뛴 트랜스포머 또는 모델에 대한 실패 메시지를 기록할 세부 수준입니다.
전체 실패는 항상 *.stack 파일로 디스크에 저장되며, 실험이 완료되면 실험 로그 zip 파일 내의 details 폴더로 이동합니다.
notify_failures¶
Whether to notify about failures of transformers or models or other recipe failures (Boolean)
Default value True
레시피(모델 및 트랜스포머)의 오류를 기록할 뿐만 아니라 GUI에 높은 수준의 알림을 표시할지 여부.
enable_custom_recipes¶
enable_custom_recipes (Boolean)
Default value True
사용자 정의 레시피를 활성화합니다.
enable_custom_recipes_upload¶
enable_custom_recipes_upload (Boolean)
Default value True
사용자 정의 레시피의 업로드를 활성화합니다.
enable_custom_recipes_from_url¶
enable_custom_recipes_from_url (Boolean)
Default value True
외부 URL의 사용자 정의 레시피의 다운로드를 활성화합니다.
enable_custom_recipes_from_zip¶
enable_custom_recipes_from_zip (Boolean)
Default value True
Enable upload recipe files to be zip, containing custom recipe(s) in root folder, while any other code or auxillary files must be in some sub-folder.
must_have_custom_transformers¶
must_have_custom_transformers (Boolean)
Default value False
must_have_custom_transformers_2¶
must_have_custom_transformers_2 (Boolean)
Default value False
must_have_custom_transformers_3¶
must_have_custom_transformers_3 (Boolean)
Default value False
must_have_custom_models¶
must_have_custom_models (Boolean)
Default value False
must_have_custom_scorers¶
must_have_custom_scorers (Boolean)
Default value False
enable_recreate_custom_recipes_env¶
enable_recreate_custom_recipes_env (Boolean)
Default value True
true로 설정하면 웹에서 타사 사용자 정의 레시피 패키지를 다운로드할 수 있습니다. 그렇지 않으면 python 환경이 기본 작업자로부터 전송됩니다.
extra_migration_custom_recipes_missing_modules¶
Whether to enable extra attempt to migrate custom modules during preview to show preview. Can lead to slow preview loading. (Boolean)
Default value False
include_custom_recipes_by_default¶
include_custom_recipes_by_default (Boolean)
Default value False
기본 포함 목록에 사용자 정의 레시피를 포함시킵니다(경고: 모든 사용자 정의 레시피가 활성화됨).
force_include_custom_recipes_by_default¶
force_include_custom_recipes_by_default (Boolean)
Default value False
enable_h2o_recipes¶
enable_h2o_recipes (Boolean)
Default value True
h2o 레시피 서버를 활성화합니다.
h2o_recipes_url¶
h2o_recipes_url (String)
Default value 'None'
트랜스포머, 모델 또는 스코어러가 사용할 H2O 인스턴스의 URL.
h2o_recipes_ip¶
h2o_recipes_ip (String)
Default value 'None'
트랜스포머, 모델 또는 스코어러가 사용할 H2O 인스턴스의 IP.
h2o_recipes_port¶
h2o_recipes_port (Number)
Default value 50361
트랜스포머, 모델 또는 스코어러가 사용할 H2O 인스턴스의 포트. 다른 인스턴스는 해당 포트나 다음 포트에 있어서는 안 됩니다.
h2o_recipes_name¶
h2o_recipes_name (String)
Default value 'None'
트랜스포머, 모델 또는 스코어러가 사용할 H2O 인스턴스의 이름.
h2o_recipes_nthreads¶
h2o_recipes_nthreads (Number)
Default value 8
트랜스포머, 모델 또는 스코어러가 사용할 스레드 H2O 인스턴스의 스레드 수.
h2o_recipes_log_level¶
h2o_recipes_log_level (String)
Default value 'None'
트랜스포머, 모델 또는 스코어러가 사용할 H2O 인스턴스의 로그 수준.
h2o_recipes_max_mem_size¶
h2o_recipes_max_mem_size (String)
Default value 'None'
트랜스포머, 모델 또는 스코어러가 사용할 H2O 인스턴스의 최대 메모리 크기.
h2o_recipes_min_mem_size¶
h2o_recipes_min_mem_size (String)
Default value 'None'
트랜스포머, 모델 또는 스코어러가 사용할 H2O 인스턴스의 최소 메모리 크기.
h2o_recipes_kwargs¶
h2o_recipes_kwargs (Dict)
Default value {}
레시피 서버의 h2o.init()에 전달할 kwargs dict의 일반 사용자 재정의.
h2o_recipes_start_trials¶
h2o_recipes_start_trials (Number)
Default value 5
h2o-3 레시피 서버를 시작하기 위한 시도 횟수.
h2o_recipes_start_sleep0¶
h2o_recipes_start_sleep0 (Number)
Default value 1
h2o-3 레시피 서버를 시작하기 전에 대기할 시간(초).
h2o_recipes_start_sleep¶
h2o_recipes_start_sleep (Number)
Default value 5
h2o-3 레시피 서버 시작 시도 간의 대기 시간(초)입니다.
custom_recipes_lock_to_git_repo¶
custom_recipes_lock_to_git_repo (Boolean)
Default value False
- 특정 github 리포지토리에 레시피 소스를 잠급니다.
True인 경우 모든 사용자 정의 레시피는 설정에 지정된 다음 리포지토리에서 가져와야 합니다: custom_recipes_git_repo
custom_recipes_git_repo¶
custom_recipes_git_repo (String)
Default value 'https://github.com/h2oai/driverlessai-recipes'
custom_recipes_lock_to_git_repo가 True로 설정된 경우 이 리포지토리만 레시피를 가져오는 데 사용할 수 있습니다.
custom_recipes_git_branch¶
custom_recipes_git_branch (String)
Default value 'None'
레시피 소스 리포지토리에 대한 분기 제약 조건. 설정되지 않거나 None인 경우 모든 분기 허용됨
custom_recipes_excluded_filenames_from_repo_download¶
basenames of files to exclude from repo download (List)
Default value []
allow_old_recipes_use_datadir_as_data_directory¶
Allow use of deprecated get_global_directory() method from custom recipes for backward compatibility of recipes created before 1.9.0. Disable to force separation of custom recipes per user (in which case user_dir() should be used instead). (Boolean)
Default value True
recipe_dict¶
recipe_dict (Dict)
Default value {}
- 각 실험에 대한 레서피 및 특정 사용자 정의 레시피를 제어하는 사전.
예를 들어 GUI에 toml 문자열로 삽입하는 경우 《》recipe_dict=》{〈key1〉: 2, 〈key2〉: 〈value2〉}》》》 를 사용할 수 있습니다. config.toml에 dict로 넣는 경우 recipe_dict=》{〈key1〉: 2, 〈key2〉: 〈value2〉}》 를 사용할 수 있습니다.
enable_custom_transformers¶
enable_custom_transformers (Boolean)
Default value True
enable_custom_pretransformers¶
enable_custom_pretransformers (Boolean)
Default value True
enable_custom_models¶
enable_custom_models (Boolean)
Default value True
enable_custom_scorers¶
enable_custom_scorers (Boolean)
Default value True
enable_custom_datas¶
enable_custom_datas (Boolean)
Default value True
enable_custom_explainers¶
enable_custom_explainers (Boolean)
Default value True
enable_custom_individuals¶
enable_custom_individuals (Boolean)
Default value True
raise_on_invalid_included_list¶
Whether to validate recipe names (Boolean)
Default value False
Included_models와 같이 포함된 목록에 제공된 레시피 이름의 유효성을 검증할지 또는 (False인 경우) 서버 로그에 경고를 기록하고 잘못된 레시피 이름을 무시할지 여부.
contrib_relative_directory¶
Base directory for recipes within data directory. (String)
Default value 'contrib'
contrib_env_relative_directory¶
contrib_env_relative_directory (String)
Default value 'contrib/env'
설치된 사용자 정의 레시피 패키지의 위치(data_directory에 상대적). 패키지를 동적으로 설치하려고 시도하지만 (서버 시작 전이나 후에) 할 수도 있습니다.: (docker를 실행하는 경우 docker 인스턴스를 실행하는 docker 내부에서 또는 deb/tar 기본 설치인 경우 사용자 서버가 (예: dai 사용자)로 실행 중일 때): PYTHONPATH=<full tmp dir>/<contrib_env_relative_directory>/lib/python3.6/site-packages/ <path to dai>dai-env.sh python -m pip install –prefix=<full tmp dir>/<contrib_env_relative_directory> <packagename> –upgrade –upgrade-strategy only-if-needed –log-file pip_log_file.log 여기서 <path to dai>은(는) 기본 rpm/deb 설치에 대한 /opt/h2oai/dai/입니다. 참고 <packagename>이(가) 휠 파일 또는 아카이브의 이름인 경우에도 휠 파일을 설치할 수 있습니다.
ignore_package_version¶
ignore_package_version (List)
Default value []
무시할 패키지 버전 목록. 작은 약간의 버전 변경이 있지만 여전히 작동할 가능성이 있는 경우에 유용합니다.
allow_version_change_user_packages¶
allow_version_change_user_packages (Boolean)
Default value False
- 사용자가 패키지 버전이 변경된 레시피를 업로드하면
패키지 버전의 업그레이드를 허용합니다. DAI 보호 패키지를 변경하려고 하면 [〈–no-deps〉] 와 함께 pip_install_options toml을 사용해 볼 수 있습니다. 또는 패키지의 DAI 버전을 완전히 무시하려면 [〈–ignore-installed〉] 와 함께 pip_install_options toml을 사용해 볼 수 있습니다. 이러한 패키지가 포함된 레시피에 의존하는 다른 실험의 경우 영향을 받으므로 주의하여 사용합니다.
pip_install_overall_retries¶
pip_install_overall_retries (Number)
Default value 2
pip 호출을 위한 pip 설치 재시도. 때로는 두 번 시도해야 함
pip_install_verbosity¶
pip_install_verbosity (Number)
Default value 2
pip 설치 수준 레벨(pip에 지정된 -v의 수, 최대 3
pip_install_timeout¶
pip_install_timeout (Number)
Default value 15
pip 설치 시간 초과(초), 인터넷 문제로 더 빨리 실패하는 경우도 있습니다.
pip_install_retries¶
pip_install_retries (Number)
Default value 5
pip 설치 재시도 횟수
pip_install_use_constraint¶
pip_install_use_constraint (Boolean)
Default value True
pip가 버전을 처리하는 데 도움이 되도록 DAI 제약 파일을 사용할지 여부. pip는 실수를 할 수 있고 이유 없이 업데이트된 패키지를 설치하려고 할 수 있습니다.
pip_install_options¶
pip_install_options (List)
Default value []
pip 설치 옵션: 다른 옵션 목록의 문자열, 예: [〈–proxy〉, 〈http://user:password@proxyserver:port〉]
enable_basic_acceptance_tests¶
enable_basic_acceptance_tests (Boolean)
Default value True
기본 승인 테스트의 활성화 여부. 상태 등을 피클할 수 있는지 테스트합니다.
enable_acceptance_tests¶
enable_acceptance_tests (Boolean)
Default value True
사용자 정의 유전자/모델/스코어러 등에 대한 승인 테스트의 실행 여부
acceptance_tests_use_weather_data¶
acceptance_tests_use_weather_data (Boolean)
Default value False
skip_disabled_recipes¶
skip_disabled_recipes (Boolean)
Default value False
비활성화된 레시피를 건너뛸지(True) 아니면 실패하고 GUI 메시지를 표시할지(False) 여부.
acceptance_test_timeout¶
Timeout in minutes for testing acceptance of each recipe (Float)
Default value 20.0
레시피의 승인 테스트가 중단될 때까지 기다리는 시간(분)입니다. 승인 테스트가 활성화되고 시간이 초과되면 레시피가 거부됩니다. 또한 승인 테스트를 수행하는 시간 초과까지 대기할 시간(분)을 반환하도록 accept_test_timeout이라는 클래스의 정적 메서드 함수를 설정하여 특정 레시피에 대한 시간 초과를 설정할 수도 있습니다. 이 시간 초과에는 필수 패키지를 설치하는 시간은 포함되지 않습니다.
contrib_reload_and_recheck_server_start¶
contrib_reload_and_recheck_server_start (Boolean)
Default value True
서버 시동 중(per_user_directories == false인 경우) 또는 사용자 로그인 동안(per_user_directories == true인 경우) 레시피를 다시 확인할지 여부.
불일치가 발생하면 승인 테스트를 다시 수행하는 동안 잘못된 레시피가 제거됩니다. 이 프로세스로 인해 많은 레시피에서 시동 시간이 훨씬 더 오래 걸릴 수 있지만 LTS 릴리스에서는 레시피가 오래될 위험이 낮습니다. false로 설정하면 서버 시동 중 승인 재테스트가 비활성화되지만 일치하지 않는 레시피가 사용되는 경우 미리보기 또는 실험이 실패할 수 있습니다. 이러한 불일치는 레시피에 대한 API 변경이나 보다 적극적인 승인 테스트를 수행할 때 발생할 수 있습니다.
contrib_install_packages_server_start¶
contrib_install_packages_server_start (Boolean)
Default value True
서버 시동 중(per_user_directories == false인 경우) 또는 사용자 로그인 동안(per_user_directories == true인 경우) 레시피에 필요한 패키지를 최소한으로 설치할지 여부.
나중에 (글로벌 패키지가 설치된) 레시피를 사용할 수 있도록 True를 유지하는 것이 중요합니다.
data_recipe_isolate¶
Whether to isolate (in fork) data recipe in case imports change needs across. (Boolean)
Default value True
num_rows_acceptance_test_custom_transformer¶
num_rows_acceptance_test_custom_transformer (Number)
Default value 200
num_rows_acceptance_test_custom_model¶
num_rows_acceptance_test_custom_model (Number)
Default value 100
recipe_activation¶
Recipe Activation List (Dict)
Default value {}
주어진 실험에 적용 가능한 레시피 목록(유형별 사전 키당). 이는 사용자가 원할 경우 상위 실험과 동일한 레시피 버전을 사용할 수 있어야 하는 새로운 〈동일한 매개변수를 사용한 실험’과 같은 상황과 특히 관련이 있습니다.