MulticlassClassificationMetrics Classe

Définition

Espace de noms:

Microsoft.ML.Data

Assembly:

Microsoft.ML.Data.dll

Paquet:

Microsoft.ML v5.0.0-preview.1.25125.4

Source:

MulticlassClassificationMetrics.cs

Résultats de l’évaluation pour les formateurs de classification multiclasse.

public sealed class MulticlassClassificationMetrics

type MulticlassClassificationMetrics = class

Public NotInheritable Class MulticlassClassificationMetrics

Héritage

Object

MulticlassClassificationMetrics

Propriétés

Nom	Description
ConfusionMatrix	Matrice de confusion donnant le nombre des classes prédites par rapport aux classes réelles.
LogLoss	Obtient la perte moyenne de journal du classifieur. La perte de journal mesure les performances d’un classifieur en ce qui concerne la quantité de probabilités prédites divergent de la véritable étiquette de classe. Une perte de journal inférieure indique un meilleur modèle. Un modèle parfait, qui prédit une probabilité de 1 pour la vraie classe, aura une perte de journal de 0.
LogLossReduction	Obtient la réduction de la perte de journal (également appelée perte de journal relative, ou réduction du gain d’informations - RIG) du classifieur. Elle donne une mesure de la quantité d’amélioration d’un modèle sur un modèle qui donne des prédictions aléatoires. La réduction de la perte de journal plus proche de 1 indique un meilleur modèle.
MacroAccuracy	Obtient la précision macro-moyenne du modèle.
MicroAccuracy	Obtient la précision micro-moyenne du modèle.
PerClassLogLoss	Obtient la perte de journal du classifieur pour chaque classe. La perte de journal mesure les performances d’un classifieur en ce qui concerne la quantité de probabilités prédites divergent de la véritable étiquette de classe. Une perte de journal inférieure indique un meilleur modèle. Un modèle parfait, qui prédit une probabilité de 1 pour la vraie classe, aura une perte de journal de 0.
TopKAccuracy	Méthode pratique pour « TopKAccuracyForAllK[TopKPredictionCount - 1] ». Si TopKPredictionCount elle est positive, il s’agit du nombre relatif d’exemples où la véritable étiquette est l’une des étiquettes prédites K principales par le prédicteur.
TopKAccuracyForAllK	Retourne la précision K supérieure pour toutes les K comprises entre 1 et la valeur de TopKPredictionCount.
TopKPredictionCount	Si elle est positive, cela indique le K in TopKAccuracy et TopKAccuracyForAllK.