BinaryClassificationMetrics Sınıf

Tanım

Ad Alanı:

Microsoft.ML.Data

Bütünleştirilmiş Kod:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v5.0.0-preview.1.25125.4

Kaynak:

BinaryClassificationMetrics.cs

olasılığa dayalı ölçümler hariç ikili sınıflandırıcılar için değerlendirme sonuçları.

public class BinaryClassificationMetrics

type BinaryClassificationMetrics = class

Public Class BinaryClassificationMetrics

Devralma

Object

BinaryClassificationMetrics

Türetilmiş

Microsoft.ML.Data.CalibratedBinaryClassificationMetrics

Özellikler

Name	Description
Accuracy	Test kümesindeki doğru tahminlerin oranı olan bir sınıflandırıcının doğruluğunu alır.
AreaUnderPrecisionRecallCurve	Sınıflandırıcının duyarlık/yakalama eğrisinin altındaki alanı alır.
AreaUnderRocCurve	ROC eğrisinin altındaki alanı alır.
ConfusionMatrix	Karışıklık matrisi, iki veri sınıfı için gerçek pozitiflerin, gerçek negatiflerin, hatalı pozitiflerin ve hatalı negatiflerin sayısını verir.
F1Score	Sınıflandırıcının F1 puanını alır. Bu, hem duyarlık hem de geri çağırma dikkate alınarak sınıflandırıcının kalitesinin bir ölçüsüdür.
NegativePrecision	Tüm negatif tahminler arasında doğru tahmin edilen negatif örneklerin oranı olan bir sınıflandırıcının negatif duyarlığı alır (negatif olarak tahmin edilen negatif örnek sayısı, negatif olarak tahmin edilen toplam örnek sayısına bölünür).
NegativeRecall	Tüm negatif örnekler arasında doğru tahmin edilen negatif örneklerin oranı olan bir sınıflandırıcının negatif geri çağırmasını alır (örneğin, negatif olarak tahmin edilen negatif örneklerin sayısı, toplam negatif örnek sayısına bölünür).
PositivePrecision	Tüm pozitif tahminler arasında doğru tahmin edilen pozitif örneklerin oranı olan bir sınıflandırıcının pozitif duyarlığı (pozitif olarak tahmin edilen pozitif örneklerin sayısı, pozitif olarak tahmin edilen toplam örnek sayısına bölünür).
PositiveRecall	Tüm pozitif örnekler arasında doğru tahmin edilen pozitif örneklerin oranı olan bir sınıflandırıcının pozitif geri çağırmasını alır (örneğin, pozitif olarak tahmin edilen pozitif örneklerin sayısı, toplam pozitif örnek sayısına bölünür).