Sdílet prostřednictvím


MulticlassClassificationMetrics Třída

Definice

Výsledky hodnocení pro trenéry s více třídami klasifikace

public sealed class MulticlassClassificationMetrics
type MulticlassClassificationMetrics = class
Public NotInheritable Class MulticlassClassificationMetrics
Dědičnost
MulticlassClassificationMetrics

Vlastnosti

ConfusionMatrix

Matoucí matice, která poskytuje počty předpovězených tříd oproti skutečným třídám.

LogLoss

Získá průměrnou ztrátu protokolu klasifikátoru. Ztráta protokolu měří výkon klasifikátoru s ohledem na to, kolik predikovaných pravděpodobností se liší od popisku skutečné třídy. Nižší ztráta protokolu označuje lepší model. Dokonalý model, který předpovídá pravděpodobnost 1 pro skutečnou třídu, bude mít ztrátu protokolu 0.

LogLossReduction

Získá snížení ztráty protokolu (označované také jako relativní ztráta protokolu nebo snížení získání informací - RIG) klasifikátoru. Poskytuje míru toho, kolik modelu se vylepšuje na modelu, který poskytuje náhodné předpovědi. Snížení ztráty protokolů blíže k 1 značí lepší model.

MacroAccuracy

Získá průměrnou přesnost makra modelu.

MicroAccuracy

Získá mikroprůměrnou přesnost modelu.

PerClassLogLoss

Získá ztrátu protokolu klasifikátoru pro každou třídu. Ztráta protokolu měří výkon klasifikátoru s ohledem na to, kolik predikovaných pravděpodobností se liší od popisku skutečné třídy. Nižší ztráta protokolu označuje lepší model. Dokonalý model, který předpovídá pravděpodobnost 1 pro skutečnou třídu, bude mít ztrátu protokolu 0.

TopKAccuracy

Metoda pohodlí pro TopKAccuracyForAllK[TopKPredictionCount - 1]. Pokud TopKPredictionCount je pozitivní, jedná se o relativní počet příkladů, ve kterých je skutečný popisek jedním z nejlepších předpovídaných popisků prediktorem K.

TopKAccuracyForAllK

Vrátí nejvyšší přesnost K pro všechny K od 1 do hodnoty TopKPredictionCount.

TopKPredictionCount

Pokud je pozitivní, znamená to K in TopKAccuracy a TopKAccuracyForAllK.

Platí pro