Condividi tramite


CalibratedBinaryClassificationMetrics Classe

Definizione

Risultati della valutazione per i classificatori binari, incluse le metriche probabilistiche.

public sealed class CalibratedBinaryClassificationMetrics : Microsoft.ML.Data.BinaryClassificationMetrics
type CalibratedBinaryClassificationMetrics = class
    inherit BinaryClassificationMetrics
Public NotInheritable Class CalibratedBinaryClassificationMetrics
Inherits BinaryClassificationMetrics
Ereditarietà
CalibratedBinaryClassificationMetrics

Proprietà

Accuracy

Ottiene l'accuratezza di un classificatore che corrisponde alla percentuale di stime corrette nel set di test.

(Ereditato da BinaryClassificationMetrics)
AreaUnderPrecisionRecallCurve

Ottiene l'area sotto la curva di precisione/richiamo del classificatore.

(Ereditato da BinaryClassificationMetrics)
AreaUnderRocCurve

Ottiene l'area sotto la curva ROC.

(Ereditato da BinaryClassificationMetrics)
ConfusionMatrix

Matrice di confusione che fornisce i conteggi dei veri positivi, veri negativi, falsi positivi e falsi negativi per le due classi di dati.

(Ereditato da BinaryClassificationMetrics)
Entropy

Ottiene l'entropia del set di test, ovvero la perdita di log precedente in base alla proporzione di istanze positive e negative nel set di test. Un classificatore è inferiore all'entropia LogLoss indica che un classificatore è migliore rispetto alla stima della percentuale di istanze positive come probabilità per ogni istanza.

F1Score

Ottiene il punteggio F1 del classificatore, che è una misura della qualità del classificatore considerando sia la precisione che il richiamo.

(Ereditato da BinaryClassificationMetrics)
LogLoss

Ottiene la perdita di log del classificatore. La perdita di log misura le prestazioni di un classificatore rispetto alla quantità di probabilità stimate che differiscono dall'etichetta di classe true. La perdita di log inferiore indica un modello migliore. Un modello perfetto, che stima una probabilità di 1 per la classe true, avrà una perdita di log pari a 0.

LogLossReduction

Ottiene la riduzione della perdita di log (nota anche come perdita di log relativa o riduzione del guadagno delle informazioni - RIG) del classificatore. Fornisce una misura della quantità di miglioramento di un modello su un modello che fornisce stime casuali. La riduzione della perdita di log più vicina a 1 indica un modello migliore.

NegativePrecision

Ottiene la precisione negativa di un classificatore che corrisponde alla percentuale di istanze negative stimate correttamente tra tutte le stime negative , ad esempio il numero di istanze negative stimate come negative, suddivise per il numero totale di istanze stimate come negative.

(Ereditato da BinaryClassificationMetrics)
NegativeRecall

Ottiene il richiamo negativo di un classificatore che corrisponde alla percentuale di istanze negative stimate correttamente tra tutte le istanze negative, ad esempio il numero di istanze negative stimate come negative, suddivise per il numero totale di istanze negative.

(Ereditato da BinaryClassificationMetrics)
PositivePrecision

Ottiene la precisione positiva di un classificatore che corrisponde alla percentuale di istanze positive stimate correttamente tra tutte le stime positive, ad esempio il numero di istanze positive stimate come positive, suddivise per il numero totale di istanze stimate come positive.

(Ereditato da BinaryClassificationMetrics)
PositiveRecall

Ottiene il richiamo positivo di un classificatore che corrisponde alla percentuale di istanze positive stimate correttamente tra tutte le istanze positive, ad esempio il numero di istanze positive stimate come positive, suddivise per il numero totale di istanze positive.

(Ereditato da BinaryClassificationMetrics)

Si applica a