共用方式為


MulticlassClassificationMetrics 類別

定義

多類別分類定型者的評估結果。

public sealed class MulticlassClassificationMetrics
type MulticlassClassificationMetrics = class
Public NotInheritable Class MulticlassClassificationMetrics
繼承
MulticlassClassificationMetrics

屬性

ConfusionMatrix

混淆矩陣會提供預測類別與實體類別的計數。

LogLoss

取得分類器的平均對數損失。 對數損失會測量分類器的效能,相對於預測機率與 true 類別標籤的相差程度。 較低的記錄遺失表示較佳的模型。 預測 true 類別的機率為 1 的完美模型,將會有 0 的對數損失。

LogLossReduction

取得記錄損失減少 (也稱為相對記錄損失,或減少資訊提升 - 分類器的 RIG) 。 它提供模型在提供隨機預測之模型上改善的量值。 較接近 1 的記錄遺失減少表示較佳的模型。

MacroAccuracy

取得模型的宏平均精確度。

MicroAccuracy

取得模型的微平均精確度。

PerClassLogLoss

取得每個類別之分類器的記錄遺失。 對數損失會測量分類器的效能,相對於預測機率與 true 類別標籤的相差程度。 較低的記錄遺失表示較佳的模型。 預測 true 類別的機率為 1 的完美模型,將會有 0 的對數損失。

TopKAccuracy

「TopKAccuracyForAllK[TopKPredictionCount - 1]」 的便利方法。 如果 TopKPredictionCount 為正數,則為相對數目的範例,其中 true 標籤是預測器所預測的前 K 個標籤之一。

TopKAccuracyForAllK

傳回所有 K 從 1 到 TopKPredictionCount 值的最上 K 精確度。

TopKPredictionCount

如果為正數,則表示 和 TopKAccuracyForAllK 中的 TopKAccuracy K。

適用於