BinaryClassificationCatalog Klasa

Definicja

Przestrzeń nazw:: Microsoft.ML

Zestaw:: Microsoft.ML.Data.dll

Pakiet:: Microsoft.ML v4.0.1

Pakiet:: Microsoft.ML v1.0.0

Pakiet:: Microsoft.ML v1.1.0

Pakiet:: Microsoft.ML v1.2.0

Pakiet:: Microsoft.ML v1.3.1

Pakiet:: Microsoft.ML v1.4.0

Pakiet:: Microsoft.ML v1.5.5

Pakiet:: Microsoft.ML v1.6.0

Pakiet:: Microsoft.ML v1.7.0

Pakiet:: Microsoft.ML v2.0.1

Pakiet:: Microsoft.ML v3.0.1

Pakiet:: Microsoft.ML v5.0.0-preview.1.25125.4

Źródło:: TrainCatalog.cs

Źródło:: TrainCatalog.cs

Źródło:: TrainCatalog.cs

Ważne

Niektóre informacje odnoszą się do produktu w wersji wstępnej, który może zostać znacząco zmodyfikowany przed wydaniem. Firma Microsoft nie udziela żadnych gwarancji, jawnych lub domniemanych, w odniesieniu do informacji podanych w tym miejscu.

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: Object

TrainCatalogBase
BinaryClassificationCatalog

Właściwości

Nazwa	Opis
Calibrators	Lista kalibratorów do przeprowadzania klasyfikacji binarnej.
Trainers	Lista trenerów do przeprowadzania klasyfikacji binarnej.

Metody

Nazwa	Opis
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 na `numberOfFolds` fałdach `data`, odpowiednio dopasowując `estimator`element i szanując `samplingKeyColumnName` je, jeśli zostały podane. Następnie oceń każdy podmodel względem `labelColumnName` i zwróć CalibratedBinaryClassificationMetrics obiekt, który obejmuje metryki oparte na prawdopodobieństwa, dla każdego podmodelu. Każdy model podrzędny jest oceniany na fałszowaniu krzyżowym, który nie był widoczny podczas trenowania.
CrossValidateNonCalibrated(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)	Uruchom krzyżową walidację na `numberOfFolds` fałdach `data`, odpowiednio dopasowując `estimator`element i szanując `samplingKeyColumnName` je, jeśli zostały podane. Następnie oceń każdy podmodel względem `labelColumnName` i zwróć BinaryClassificationMetrics obiekt, który nie zawiera metryk opartych na prawdopodobieństwie dla każdego podmodelu. Każdy model podrzędny jest oceniany na fałszowaniu krzyżowym, który 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 prawdopodobieństwie.

Metody rozszerzania

Nazwa	Opis
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