Partager via


BinaryClassificationCatalog Classe

Définition

Classe utilisée par MLContext pour créer des instances de composants de classification binaire, tels que des formateurs et des étalonneurs.

public sealed class BinaryClassificationCatalog : Microsoft.ML.TrainCatalogBase
type BinaryClassificationCatalog = class
    inherit TrainCatalogBase
Public NotInheritable Class BinaryClassificationCatalog
Inherits TrainCatalogBase
Héritage
BinaryClassificationCatalog

Propriétés

Calibrators

Liste des étalonneurs pour l’exécution de la classification binaire.

Trainers

Liste des formateurs pour effectuer une classification binaire.

Méthodes

ChangeModelThreshold<TModel>(BinaryPredictionTransformer<TModel>, Single)

Méthode permettant de modifier le seuil en modèle existant et de retourner le modèle modifié.

CrossValidate(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)

Exécutez la validation croisée sur numberOfFolds les plis de data, en l’adaptant estimatoret en respectant samplingKeyColumnName le cas échéant. Évaluez ensuite chaque sous-modèle labelColumnName par rapport à et retournez un CalibratedBinaryClassificationMetrics objet, qui comprend des métriques basées sur des probabilités, pour chaque sous-modèle. Chaque sous-modèle est évalué sur le pli de validation croisée qu’il n’a pas vu pendant l’entraînement.

CrossValidateNonCalibrated(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)

Exécutez la validation croisée sur numberOfFolds les plis de data, en l’adaptant estimatoret en respectant samplingKeyColumnName le cas échéant. Ensuite, évaluez chaque sous-modèle par labelColumnName rapport à et retournez un BinaryClassificationMetrics objet, qui n’inclut pas de métriques basées sur la probabilité, pour chaque sous-modèle. Chaque sous-modèle est évalué sur le pli de validation croisée qu’il n’a pas vu pendant l’entraînement.

Evaluate(IDataView, String, String, String, String)

Évalue les données de classification binaires notées.

EvaluateNonCalibrated(IDataView, String, String, String)

Évalue les données de classification binaire notées, sans métriques basées sur les probabilités.

Méthodes d’extension

PermutationFeatureImportance<TModel>(BinaryClassificationCatalog, ISingleFeaturePredictionTransformer<TModel>, IDataView, String, Boolean, Nullable<Int32>, Int32)

Permutation Feature Importance (PFI) pour la classification binaire.

PermutationFeatureImportanceNonCalibrated(BinaryClassificationCatalog, ITransformer, IDataView, String, Boolean, Nullable<Int32>, Int32)

Permutation Feature Importance (PFI) pour la classification binaire.

S’applique à