BinaryClassificationCatalog Classe

Définition

Espace de noms:

Microsoft.ML

Assembly:

Microsoft.ML.Data.dll

Paquet:

Microsoft.ML v5.0.0-preview.1.25125.4

Source:

TrainCatalog.cs

Classe utilisée pour MLContext créer des instances de composants de classification binaire, telles que des formateurs et des calibrateurs.

public sealed class BinaryClassificationCatalog : Microsoft.ML.TrainCatalogBase

type BinaryClassificationCatalog = class
    inherit TrainCatalogBase

Public NotInheritable Class BinaryClassificationCatalog
Inherits TrainCatalogBase

Héritage

Object

TrainCatalogBase

BinaryClassificationCatalog

Propriétés

Nom	Description
Calibrators	Liste des calibrateurs pour effectuer une classification binaire.
Trainers	Liste des formateurs pour effectuer une classification binaire.

Méthodes

Nom	Description
ChangeModelThreshold<TModel>(BinaryPredictionTransformer<TModel>, Single)	Méthode pour modifier le seuil en modèle existant et retourner un modèle modifié.
CrossValidate(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)	Exécutez la validation croisée sur numberOfFolds les replis de data, en ajustant estimatoret en respectant samplingKeyColumnName le cas échéant. Ensuite, évaluez chaque sous-modèle par rapport labelColumnName à un CalibratedBinaryClassificationMetrics objet, qui inclut 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 lors de l’entraînement.
CrossValidateNonCalibrated(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)	Exécutez la validation croisée sur numberOfFolds les replis de data, en ajustant estimatoret en respectant samplingKeyColumnName le cas échéant. Ensuite, évaluez chaque sous-modèle et labelColumnName retournez un BinaryClassificationMetrics objet, qui n’inclut pas de 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 lors de l’entraînement.
Evaluate(IDataView, String, String, String, String)	Évalue les données de classification binaire notées.
EvaluateNonCalibrated(IDataView, String, String, String)	Évalue les données de classification binaire notées, sans métriques basées sur des probabilités.

Méthodes d’extension

Nom	Description
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.