BinaryClassificationCatalog.CrossValidateNonCalibrated Metode
Definisi
Penting
Beberapa informasi terkait produk prarilis yang dapat diubah secara signifikan sebelum dirilis. Microsoft tidak memberikan jaminan, tersirat maupun tersurat, sehubungan dengan informasi yang diberikan di sini.
Jalankan validasi silang selama numberOfFolds
lipatan data
, dengan memasang estimator
, dan menghormati samplingKeyColumnName
jika disediakan.
Kemudian evaluasi setiap sub-model terhadap labelColumnName
dan kembalikan BinaryClassificationMetrics objek, yang tidak menyertakan metrik berbasis probabilitas, untuk setiap sub-model. Setiap sub-model dievaluasi pada lipatan validasi silang yang tidak dilihatnya selama pelatihan.
public System.Collections.Generic.IReadOnlyList<Microsoft.ML.TrainCatalogBase.CrossValidationResult<Microsoft.ML.Data.BinaryClassificationMetrics>> CrossValidateNonCalibrated (Microsoft.ML.IDataView data, Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> estimator, int numberOfFolds = 5, string labelColumnName = "Label", string samplingKeyColumnName = default, int? seed = default);
member this.CrossValidateNonCalibrated : Microsoft.ML.IDataView * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * int * string * string * Nullable<int> -> System.Collections.Generic.IReadOnlyList<Microsoft.ML.TrainCatalogBase.CrossValidationResult<Microsoft.ML.Data.BinaryClassificationMetrics>>
Public Function CrossValidateNonCalibrated (data As IDataView, estimator As IEstimator(Of ITransformer), Optional numberOfFolds As Integer = 5, Optional labelColumnName As String = "Label", Optional samplingKeyColumnName As String = Nothing, Optional seed As Nullable(Of Integer) = Nothing) As IReadOnlyList(Of TrainCatalogBase.CrossValidationResult(Of BinaryClassificationMetrics))
Parameter
- data
- IDataView
Data untuk menjalankan validasi silang.
- estimator
- IEstimator<ITransformer>
Estimator agar pas.
- numberOfFolds
- Int32
Jumlah lipatan validasi silang.
- labelColumnName
- String
Kolom label (untuk evaluasi).
- samplingKeyColumnName
- String
Nama kolom yang akan digunakan untuk mengelompokkan baris. Jika dua contoh memiliki nilai yang sama dari samplingKeyColumnName
, mereka dijamin akan muncul di subset yang sama (latih atau uji). Ini dapat digunakan untuk memastikan tidak ada kebocoran label dari kereta ke set pengujian.
Jika null
tidak ada pengelompokan baris yang akan dilakukan.
Seed untuk generator angka acak yang digunakan untuk memilih baris untuk lipatan validasi silang.
Mengembalikan
Hasil per kali lipatan: metrik, model, himpunan data dengan skor.
Berlaku untuk
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk