如何在调用方法中将 Predict_proba 与 AzureML 批处理端点一起使用，同时使用 URI 文件夹 URL 作为数据？

Question

我将 AutoML 生成的二元分类模型部署到批处理端点。我可以使用以下代码成功调用模型来输出包含二进制预测 (1|0) 的文件。

# Input being ADLS
input = Input(
    type=AssetTypes.URI_FOLDER, 
    path="https://mydatalake.blob.core.windows.net/my_container/folder_with_data"
)

# Invoke the end point
job = ml_client.batch_endpoints.invoke(
    endpoint_name=endpoint.name,
    inputs={
        "heart_dataset": input,
    }
)

我正在尝试合并全局参数

predict_proba

，以便返回的文件包含其中一个或两个类的预测概率，但是我没有成功。
我尝试遵循的许多示例 (example) 都很相似，但它们的数据是在代码中指定的（即输入是在代码中手动填充的数据框，而不是文件夹或文件的 URL）。

例如，以下命令返回序列化错误：

# Input being ADLS
input = Input(
    type=AssetTypes.URI_FOLDER, 
    path="https://mydatalake.blob.core.windows.net/my_container/folder_with_data"
)

# Invoke endpoint
job = ml_client.batch_endpoints.invoke(
    endpoint_name="heart-test",
    inputs={
        "GlobalParameters": {
            "method": "predict_proba"
        },
        "inputs": {
            "heart_dataset": input
        }
    }
)

错误：

SerializationError：（“对象字典中的属性 None 无法序列化。 {'method': 'predict_proba'}, AttributeError: 'dict' 对象没有属性 '_attribute_map'", AttributeError("'dict' 对象没有属性 '_attribute_map'"))

我尝试了 GlobalParameters 方法 Predict_proba 的各种放置，询问法学硕士并在谷歌上搜索解决方案，试图使它们适应我的用例。
这包括上述无效代码的变体，以及利用调用方法中的模式参数（这有效但导致了二进制预测响应）。

供参考：

output_schema = {
    "output_data": {
        "definitions": {
            "scored_data": {
                "type": "array",
                "items": {
                    "type": "object",
                    "properties": {
                        # Replace with actual class labels from your model
                        "Class_0": {"type": "number"},
                        "Class_1": {"type": "number"},
                        # Add additional classes as needed
                    }
                }
            }
        }
    }
}

# Invoke the endpoint with the output schema
job = ml_client.batch_endpoints.invoke(
    endpoint_name=endpoint_name,
    inputs={"heart_dataset": input},
    schema=output_schema
    )

由于这是部署到批处理端点的 AutoML 生成模型，因此评分脚本是自动生成的，因此我希望避免对其进行编辑，并仅使用端点调用的输入来实现返回的预测概率。

希望这是所有必需的信息，如果需要，很乐意添加更多信息。预先感谢。

Answer 1

对于将来发现这一点的任何人，我最终创建了一个基本的评分脚本和自定义环境（基于模型训练运行的环境）。