Udostępnij za pośrednictwem


BinaryClassificationCatalog Klasa

Definicja

Klasa używana przez MLContext program do tworzenia wystąpień składników klasyfikacji binarnej, takich jak trenerzy i kalibratory.

public sealed class BinaryClassificationCatalog : Microsoft.ML.TrainCatalogBase
type BinaryClassificationCatalog = class
    inherit TrainCatalogBase
Public NotInheritable Class BinaryClassificationCatalog
Inherits TrainCatalogBase
Dziedziczenie
BinaryClassificationCatalog

Właściwości

Calibrators

Lista kalibratorów do przeprowadzania klasyfikacji binarnej.

Trainers

Lista trenerów do przeprowadzania klasyfikacji binarnej.

Metody

ChangeModelThreshold<TModel>(BinaryPredictionTransformer<TModel>, Single)

Metoda modyfikowania progu do istniejącego modelu i zwracania zmodyfikowanego modelu.

CrossValidate(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)

Uruchom krzyżową walidację z numberOfFolds fałdami data, odpowiednio dopasowując estimatori szanując samplingKeyColumnName , jeśli jest podana. Następnie oceń każdy podmodel względem labelColumnName i zwróć CalibratedBinaryClassificationMetrics obiekt, który zawiera metryki oparte na prawdopodobieństwa, dla każdego podmodelu. Każdy podmodel jest oceniany na fałszowaniu krzyżowym, że nie był widoczny podczas trenowania.

CrossValidateNonCalibrated(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)

Uruchom krzyżową walidację z numberOfFolds fałdami data, odpowiednio dopasowując estimatori szanując samplingKeyColumnName , jeśli jest podana. Następnie należy ocenić poszczególne podmodele i labelColumnName zwrócić BinaryClassificationMetrics obiekt, który nie obejmuje metryk opartych na prawdopodobieństwa, dla każdego podmodelu. Każdy podmodel jest oceniany na fałszowaniu krzyżowym, że nie był widoczny podczas trenowania.

Evaluate(IDataView, String, String, String, String)

Ocenia ocenione dane klasyfikacji binarnej.

EvaluateNonCalibrated(IDataView, String, String, String)

Ocenia ocenione dane klasyfikacji binarnej bez metryk opartych na prawdopodobieństwa.

Metody rozszerzania

PermutationFeatureImportance<TModel>(BinaryClassificationCatalog, ISingleFeaturePredictionTransformer<TModel>, IDataView, String, Boolean, Nullable<Int32>, Int32)

Ważność funkcji permutacji (PFI) dla klasyfikacji binarnej.

PermutationFeatureImportanceNonCalibrated(BinaryClassificationCatalog, ITransformer, IDataView, String, Boolean, Nullable<Int32>, Int32)

Ważność funkcji permutacji (PFI) dla klasyfikacji binarnej.

Dotyczy