Поделиться через


BinaryClassificationCatalog Класс

Определение

Класс, используемый для MLContext создания экземпляров компонентов двоичной классификации, таких как средства обучения и калибраторы.

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

Свойства

Calibrators

Список калибраторов для выполнения двоичной классификации.

Trainers

Список средств обучения для выполнения двоичной классификации.

Методы

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

Метод для изменения порогового значения до существующей модели и возврата измененной модели.

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

Выполните перекрестную проверку по numberOfFolds сгибам data, подгоняя estimatorи учитывая samplingKeyColumnName , если они указаны. Затем оцените каждую под-модель labelColumnName и верните CalibratedBinaryClassificationMetrics объект, который включает метрики на основе вероятности, для каждой подтипии. Каждая вложенная модель оценивается на основе свертки перекрестной проверки, которую она не видела во время обучения.

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

Выполните перекрестную проверку по numberOfFolds сгибам data, подгоняя estimatorи учитывая samplingKeyColumnName , если они указаны. Затем оцените каждую под-модель labelColumnName и верните BinaryClassificationMetrics объект, который не включает метрики на основе вероятности, для каждой под-модели. Каждая вложенная модель оценивается на основе свертки перекрестной проверки, которую она не видела во время обучения.

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

Оценивает оцененные данные двоичной классификации.

EvaluateNonCalibrated(IDataView, String, String, String)

Оценивает оцененные данные двоичной классификации без метрик на основе вероятностей.

Методы расширения

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

Важность признаков перестановки (PFI) для двоичной классификации.

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

Важность признаков перестановки (PFI) для двоичной классификации.

Применяется к