BinaryClassificationMetrics Kelas
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.
Hasil evaluasi untuk pengklasifikasi biner, tidak termasuk metrik probabilistik.
public class BinaryClassificationMetrics
type BinaryClassificationMetrics = class
Public Class BinaryClassificationMetrics
- Warisan
-
BinaryClassificationMetrics
- Turunan
Properti
Accuracy |
Mendapatkan akurasi pengklasifikasi yang merupakan proporsi prediksi yang benar dalam set pengujian. |
AreaUnderPrecisionRecallCurve |
Mendapatkan area di bawah kurva presisi/pengenalan pengklasifikasi. |
AreaUnderRocCurve |
Mendapatkan area di bawah kurva ROC. |
ConfusionMatrix |
Matriks kebingungan yang memberikan hitungan positif sejati, negatif sejati, positif palsu, dan negatif palsu untuk dua kelas data. |
F1Score |
Mendapatkan skor F1 pengklasifikasi, yang merupakan ukuran kualitas pengklasifikasi mengingat presisi dan pengenalan. |
NegativePrecision |
Mendapatkan presisi negatif pengklasifikasi yang merupakan proporsi instans negatif yang diprediksi dengan benar di antara semua prediksi negatif (yaitu, jumlah instans negatif yang diprediksi negatif, dibagi dengan jumlah total instans yang diprediksi negatif). |
NegativeRecall |
Mendapatkan pengenalan negatif pengklasifikasi yang merupakan proporsi instans negatif yang diprediksi dengan benar di antara semua instans negatif (yaitu, jumlah instans negatif yang diprediksi negatif, dibagi dengan jumlah total instans negatif). |
PositivePrecision |
Mendapatkan presisi positif pengklasifikasi yang merupakan proporsi instans positif yang diprediksi dengan benar di antara semua prediksi positif (yaitu, jumlah instans positif yang diprediksi positif, dibagi dengan jumlah total instans yang diprediksi positif). |
PositiveRecall |
Mendapatkan pengenalan positif dari pengklasifikasi yang merupakan proporsi instans positif yang diprediksi dengan benar di antara semua instans positif (yaitu, jumlah instans positif yang diprediksi positif, dibagi dengan jumlah total instans positif). |