BinaryClassificationCatalog.CrossValidateNonCalibrated Metode

Definisi

Ruang nama:

Microsoft.ML

Rakitan:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v2.0.0

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

Nullable<Int32>

Seed untuk generator angka acak yang digunakan untuk memilih baris untuk lipatan validasi silang.

Mengembalikan

IReadOnlyList<CrossValidationResult<BinaryClassificationMetrics>>

Hasil per kali lipatan: metrik, model, himpunan data dengan skor.