BinaryClassificationCatalog Класс

Определение

Пространство имен:: Microsoft.ML

Сборка:: Microsoft.ML.Data.dll

Пакет:: Microsoft.ML v4.0.1

Пакет:: Microsoft.ML v1.0.0

Пакет:: Microsoft.ML v1.1.0

Пакет:: Microsoft.ML v1.2.0

Пакет:: Microsoft.ML v1.3.1

Пакет:: Microsoft.ML v1.4.0

Пакет:: Microsoft.ML v1.5.5

Пакет:: Microsoft.ML v1.6.0

Пакет:: Microsoft.ML v1.7.0

Пакет:: Microsoft.ML v2.0.1

Пакет:: Microsoft.ML v3.0.1

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

Исходный код:: TrainCatalog.cs

Исходный код:: TrainCatalog.cs

Исходный код:: TrainCatalog.cs

Важно!

Некоторые сведения относятся к предварительной версии продукта, в которую до выпуска могут быть внесены существенные изменения. Майкрософт не предоставляет никаких гарантий, явных или подразумеваемых, относительно приведенных здесь сведений.

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

public sealed class BinaryClassificationCatalog : Microsoft.ML.TrainCatalogBase

type BinaryClassificationCatalog = class
    inherit TrainCatalogBase

Public NotInheritable Class BinaryClassificationCatalog
Inherits TrainCatalogBase

Наследование: Object

TrainCatalogBase
BinaryClassificationCatalog

Свойства

Имя	Описание
Calibrators	Список калибраторов для выполнения двоичной классификации.
Trainers	Список тренеров для выполнения двоичной классификации.

Методы

Имя	Описание
ChangeModelThreshold<TModel>(BinaryPredictionTransformer<TModel>, Single)	Метод изменения порогового значения для существующей модели и возврата измененной модели.
CrossValidate(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)	Выполните перекрестную проверку по `numberOfFolds` сверткам `data`, установив `estimator`и уважая `samplingKeyColumnName` при условии. Затем вычисляйте каждую CalibratedBinaryClassificationMetrics под модель `labelColumnName` и возвращайте объект, включающий метрики на основе вероятностей для каждой под модели. Каждая вложенная модель оценивается на свертке перекрестной проверки, что она не видела во время обучения.
CrossValidateNonCalibrated(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)	Выполните перекрестную проверку по `numberOfFolds` сверткам `data`, установив `estimator`и уважая `samplingKeyColumnName` при условии. Затем оцените каждую BinaryClassificationMetrics под модель `labelColumnName` и возвращает объект, который не включает метрики на основе вероятностей для каждой под модели. Каждая вложенная модель оценивается на свертке перекрестной проверки, что она не видела во время обучения.
Evaluate(IDataView, String, String, String, String)	Оценивает данные двоичной классификации.
EvaluateNonCalibrated(IDataView, String, String, String)	Оценивает данные двоичной классификации, без метрик на основе вероятностей.

Методы расширения

Имя	Описание
PermutationFeatureImportance<TModel>(BinaryClassificationCatalog, ISingleFeaturePredictionTransformer<TModel>, IDataView, String, Boolean, Nullable<Int32>, Int32)	Важность функции перемутации (PFI) для двоичной классификации.
PermutationFeatureImportanceNonCalibrated(BinaryClassificationCatalog, ITransformer, IDataView, String, Boolean, Nullable<Int32>, Int32)	Важность функции перемутации (PFI) для двоичной классификации.

Применяется к