CalibratedBinaryClassificationMetrics Klasse
Wichtig
Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.
Auswertungsergebnisse für binäre Klassifizierer, einschließlich probabilistischer Metriken.
public sealed class CalibratedBinaryClassificationMetrics : Microsoft.ML.Data.BinaryClassificationMetrics
type CalibratedBinaryClassificationMetrics = class
inherit BinaryClassificationMetrics
Public NotInheritable Class CalibratedBinaryClassificationMetrics
Inherits BinaryClassificationMetrics
- Vererbung
Accuracy |
Ruft die Genauigkeit eines Klassifizierers ab, der den Anteil der richtigen Vorhersagen im Testsatz darstellt. (Geerbt von BinaryClassificationMetrics) |
Area |
Ruft den Bereich unter der Genauigkeits-/Rückrufkurve des Klassifizierers ab. (Geerbt von BinaryClassificationMetrics) |
Area |
Ruft den Bereich unter der ROC-Kurve ab. (Geerbt von BinaryClassificationMetrics) |
Confusion |
Die Verwirrungsmatrix gibt die Anzahl der wahr positiven, wahr negativen, falsch positiven und falsch negativen Für die beiden Datenklassen. (Geerbt von BinaryClassificationMetrics) |
Entropy |
Ruft die Testsatz-Entropie ab, die den vorherigen Protokollverlust basierend auf dem Anteil positiver und negativer Instanzen im Testsatz darstellt. Eine Klassifizierer niedriger als die Entropie gibt an, dass ein Klassifizierer LogLoss den Anteil positiver Instanzen besser als die Wahrscheinlichkeit für jede Instanz vorhersagt. |
F1Score |
Ruft die F1-Bewertung des Klassifizierers ab, was eine Messung der Qualität des Klassifizierers ist, die sowohl Genauigkeit als auch Rückruf berücksichtigt. (Geerbt von BinaryClassificationMetrics) |
Log |
Ruft den Protokollverlust des Klassifizierers ab. Protokollverlust misst die Leistung eines Klassifizierers im Hinblick darauf, wie viel die vorhergesagten Wahrscheinlichkeiten von der true-Klassenbeschriftung abweichen. Niedrigerer Protokollverlust gibt ein besseres Modell an. Ein perfektes Modell, das eine Wahrscheinlichkeit von 1 für die wahre Klasse vorausgibt, hat einen Protokollverlust von 0. |
Log |
Ruft die Log-Loss-Reduktion (auch als relativer Protokollverlust bezeichnet oder die Reduzierung der Informationsgewinne - RIG) des Klassifizierers ab. Es gibt ein Maß dafür, wie viel ein Modell auf einem Modell verbessert, das Zufallsvorhersagen bietet. Die Reduzierung von Protokollverlusten näher an 1 gibt ein besseres Modell an. |
Negative |
Ruft die negative Genauigkeit eines Klassifizierers ab, der den Anteil der korrekt vorhergesagten negativen Instanzen zwischen allen negativen Vorhersagen (d. h. die Anzahl negativer Instanzen, die als negativ vorausgesagt wurden, geteilt durch die Gesamtzahl der als negativ vorhergesagten Instanzen). (Geerbt von BinaryClassificationMetrics) |
Negative |
Ruft den negativen Rückruf eines Klassifizierers ab, der den Anteil der korrekt vorhergesagten negativen Instanzen zwischen allen negativen Instanzen (d. h. die Anzahl der negativen Instanzen, die als negativ vorausgesagt wurden, geteilt durch die Gesamtzahl der negativen Instanzen). (Geerbt von BinaryClassificationMetrics) |
Positive |
Ruft die positive Genauigkeit eines Klassifizierers ab, der den Anteil der korrekt vorhergesagten positiven Instanzen zwischen allen positiven Vorhersagen (d. h. die Anzahl der positiven Instanzen, die als positiv vorausgesagt wurden, geteilt durch die Gesamtzahl der als positiv vorhergesagten Instanzen). (Geerbt von BinaryClassificationMetrics) |
Positive |
Ruft den positiven Rückruf eines Klassifizierers ab, der den Anteil der korrekt vorhergesagten positiven Instanzen zwischen allen positiven Instanzen (d. h. die Anzahl der positiven Instanzen, die als positiv vorausgesagt wurden, geteilt durch die Gesamtzahl der positiven Instanzen). (Geerbt von BinaryClassificationMetrics) |
Produkt | Versionen |
---|---|
ML.NET | 1.0.0, 1.1.0, 1.2.0, 1.3.1, 1.4.0, 1.5.0, 1.6.0, 1.7.0, 2.0.0, 3.0.0, Preview, 4.0.0 |