Bagikan melalui


MulticlassClassificationMetrics Kelas

Definisi

Hasil evaluasi untuk pelatih klasifikasi multi-kelas.

public sealed class MulticlassClassificationMetrics
type MulticlassClassificationMetrics = class
Public NotInheritable Class MulticlassClassificationMetrics
Warisan
MulticlassClassificationMetrics

Properti

ConfusionMatrix

Matriks kebingungan memberikan hitungan kelas yang diprediksi versus kelas aktual.

LogLoss

Mendapatkan kehilangan log rata-rata pengklasifikasi. Log-loss mengukur performa pengklasifikasi sehubungan dengan seberapa besar probabilitas yang diprediksi menyimpang dari label kelas yang sebenarnya. Log-loss yang lebih rendah menunjukkan model yang lebih baik. Model sempurna, yang memprediksi probabilitas 1 untuk kelas yang sebenarnya, akan memiliki log-loss 0.

LogLossReduction

Mendapatkan pengurangan log-loss (juga dikenal sebagai log-loss relatif, atau pengurangan perolehan informasi - RIG) pengklasifikasi. Ini memberikan ukuran seberapa banyak model meningkat pada model yang memberikan prediksi acak. Pengurangan log-loss lebih dekat ke 1 menunjukkan model yang lebih baik.

MacroAccuracy

Mendapatkan akurasi rata-rata makro model.

MicroAccuracy

Mendapatkan akurasi rata-rata mikro model.

PerClassLogLoss

Mendapatkan log-loss pengklasifikasi untuk setiap kelas. Log-loss mengukur performa pengklasifikasi sehubungan dengan seberapa besar probabilitas yang diprediksi menyimpang dari label kelas yang sebenarnya. Log-loss yang lebih rendah menunjukkan model yang lebih baik. Model sempurna, yang memprediksi probabilitas 1 untuk kelas yang sebenarnya, akan memiliki log-loss 0.

TopKAccuracy

Metode kenyamanan untuk "TopKAccuracyForAllK[TopKPredictionCount - 1]". Jika TopKPredictionCount positif, ini adalah jumlah relatif contoh di mana label benar adalah salah satu label prediksi K teratas oleh prediktor.

TopKAccuracyForAllK

Mengembalikan akurasi K teratas untuk semua K dari 1 ke nilai TopKPredictionCount.

TopKPredictionCount

Jika positif, ini menunjukkan K dalam TopKAccuracy dan TopKAccuracyForAllK.

Berlaku untuk