本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
GetAccuracyMetrics
提供CreatePredictor操作所訓練之模型準確度的指標。使用指標來查看模型的執行情況，以及決定是否使用預測值來產生預測。如需詳細資訊，請參閱預測指標量度。
此作業會為評估的每個回溯測試時段產生測量結果。回溯測試窗口（NumberOfBacktestWindows）的數目是使用對象指定的，該EvaluationParameters對象可以選擇包含在CreatePredictor請求中。如果NumberOfBacktestWindows未指定，數字預設為 1。
filling方法的參數決定了哪些項目有助於量度。如果您希望所有項目都有貢獻，請指定zero。如果您只希望那些在評估範圍內具有完整資料的項目貢獻，請指定nan。如需詳細資訊，請參閱 FeaturizationMethod。
注意
在取得準確度量之前，預測值必須是ACTIVE，表示訓練已完成。Status若要取得狀態，請使用DescribePredictor作業。
請求語法
{
"PredictorArn": "string"
}請求參數
請求接受採用 JSON 格式的下列資料。
- PredictorArn
-
要取得指標的預測值的 Amazon 資源名稱 (ARN)。
類型：字串
長度限制：長度上限為 256。
模式：
arn:([a-z\d-]+):forecast:.*:.*:.+必要：是
回應語法
{
"AutoMLOverrideStrategy": "string",
"IsAutoPredictor": boolean,
"OptimizationMetric": "string",
"PredictorEvaluationResults": [
{
"AlgorithmArn": "string",
"TestWindows": [
{
"EvaluationType": "string",
"ItemCount": number,
"Metrics": {
"AverageWeightedQuantileLoss": number,
"ErrorMetrics": [
{
"ForecastType": "string",
"MAPE": number,
"MASE": number,
"RMSE": number,
"WAPE": number
}
],
"RMSE": number,
"WeightedQuantileLosses": [
{
"LossValue": number,
"Quantile": number
}
]
},
"TestWindowEnd": number,
"TestWindowStart": number
}
]
}
]
}回應元素
如果動作成功，則服務傳回 HTTP 200 回應。
服務會傳回下列 JSON 格式的資料。
- AutoMLOverrideStrategy
-
注意
LatencyOptimizedAutoML 覆寫策略僅適用於私有測試版。若要進一步瞭解存取權限，請聯絡 Sup AWS port 或您的客戶經理。用來訓練預測值的 AutoML 策略。除
LatencyOptimized非指定，否則 AutoML 策略會最佳化預測值準確度。此參數僅適用於使用 AutoML 訓練的預測值。
類型：字串
有效值:
LatencyOptimized | AccuracyOptimized - IsAutoPredictor
-
預測值是否建立使用CreateAutoPredictor.
類型：布林值
- OptimizationMetric
-
用於最佳化預測值的準確度量。
類型：字串
有效值:
WAPE | RMSE | AverageWeightedQuantileLoss | MASE | MAPE - PredictorEvaluationResults
-
評估預測值的結果陣列。
類型：EvaluationResult 物件陣列
錯誤
- InvalidInputException
-
我們無法處理要求，因為它包含無效值或超出有效範圍的值。
HTTP 狀態碼：400
- ResourceInUseException
-
指定的資源正在使用中。
HTTP 狀態碼：400
- ResourceNotFoundException
-
我們找不到具有該 Amazon 資源名稱（ARN）的資源。請檢查 ARN，然後再試一次。
HTTP 狀態碼：400
另請參閱
如需在其中一個特定語言 AWS SDK 中使用此 API 的詳細資訊，請參閱下列內容：
