CalibratedBinaryClassificationMetrics Sınıf

Tanım

Ad Alanı:

Microsoft.ML.Data

Bütünleştirilmiş Kod:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v5.0.0-preview.1.25125.4

Kaynak:

CalibratedBinaryClassificationMetrics.cs

Olasılığa dayalı ölçümler de dahil olmak üzere ikili sınıflandırıcılar için değerlendirme sonuçları.

public sealed class CalibratedBinaryClassificationMetrics : Microsoft.ML.Data.BinaryClassificationMetrics

type CalibratedBinaryClassificationMetrics = class
    inherit BinaryClassificationMetrics

Public NotInheritable Class CalibratedBinaryClassificationMetrics
Inherits BinaryClassificationMetrics

Devralma

Object

BinaryClassificationMetrics

CalibratedBinaryClassificationMetrics

Özellikler

Name	Description
Accuracy	Test kümesindeki doğru tahminlerin oranı olan bir sınıflandırıcının doğruluğunu alır. (Devralındığı yer: BinaryClassificationMetrics)
AreaUnderPrecisionRecallCurve	Sınıflandırıcının duyarlık/yakalama eğrisinin altındaki alanı alır. (Devralındığı yer: BinaryClassificationMetrics)
AreaUnderRocCurve	ROC eğrisinin altındaki alanı alır. (Devralındığı yer: BinaryClassificationMetrics)
ConfusionMatrix	Karışıklık matrisi, iki veri sınıfı için gerçek pozitiflerin, gerçek negatiflerin, hatalı pozitiflerin ve hatalı negatiflerin sayısını verir. (Devralındığı yer: BinaryClassificationMetrics)
Entropy	Test kümesindeki pozitif ve negatif örneklerin oranına göre önceki günlük kaybı olan test kümesi entropisini alır. Sınıflandırıcının LogLoss entropiden düşük olması, bir sınıflandırıcının her örnek için olasılık olarak pozitif örneklerin oranını tahmin etmekten daha iyi olduğunu gösterir.
F1Score	Sınıflandırıcının F1 puanını alır. Bu, hem duyarlık hem de geri çağırma dikkate alınarak sınıflandırıcının kalitesinin bir ölçüsüdür. (Devralındığı yer: BinaryClassificationMetrics)
LogLoss	Sınıflandırıcının günlük kaybını alır. Günlük kaybı, bir sınıflandırıcının performansını, tahmin edilen olasılıkların gerçek sınıf etiketinden ne kadar farklı olduğu bakımından ölçer. Düşük günlük kaybı daha iyi bir model olduğunu gösterir. Gerçek sınıf için 1 olasılığını tahmin eden mükemmel bir modelde günlük kaybı 0 olur.
LogLossReduction	Sınıflandırıcının günlük kaybı azaltmasını (göreli günlük kaybı veya bilgi kazancındaki azalma - RIG olarak da bilinir) alır. Bir modelin, rastgele tahminler sunan bir modelde ne kadar geliştirme sağladığına ilişkin bir ölçü sağlar. 1'e yakın günlük kaybı azaltması daha iyi bir model olduğunu gösterir.
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). (Devralındığı yer: BinaryClassificationMetrics)
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). (Devralındığı yer: BinaryClassificationMetrics)
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). (Devralındığı yer: BinaryClassificationMetrics)
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). (Devralındığı yer: BinaryClassificationMetrics)