BinaryClassificationMetrics Kelas

Definisi

Ruang nama:

Microsoft.ML.Data

Rakitan:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v5.0.0-preview.1.25125.4

Sumber:

BinaryClassificationMetrics.cs

Hasil evaluasi untuk pengklasifikasi biner, tidak termasuk metrik probabilistik.

public class BinaryClassificationMetrics

type BinaryClassificationMetrics = class

Public Class BinaryClassificationMetrics

Warisan

Object

BinaryClassificationMetrics

Turunan

Microsoft.ML.Data.CalibratedBinaryClassificationMetrics

Properti

Nama	Deskripsi
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 memberikan hitungan positif sejati, negatif benar, 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 sebagai 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 sebagai 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 sebagai positif, dibagi dengan jumlah total instans yang diprediksi positif).
PositiveRecall	Mendapatkan pengenalan positif pengklasifikasi yang merupakan proporsi instans positif yang diprediksi dengan benar di antara semua instans positif (yaitu, jumlah instans positif yang diprediksi sebagai positif, dibagi dengan jumlah total instans positif).