BinaryClassificationCatalog Klasse

Definition

Namespace:

Microsoft.ML

Assembly:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v3.0.1

Klasse, die von MLContext verwendet wird, um Instanzen binärer Klassifizierungskomponenten wie Trainer und Kalibratoren zu erstellen.

public sealed class BinaryClassificationCatalog : Microsoft.ML.TrainCatalogBase

type BinaryClassificationCatalog = class
    inherit TrainCatalogBase

Public NotInheritable Class BinaryClassificationCatalog
Inherits TrainCatalogBase

Vererbung

Object

TrainCatalogBase

BinaryClassificationCatalog

Eigenschaften

Calibrators	Die Liste der Kalibratoren zum Durchführen der binären Klassifizierung.
Trainers	Die Liste der Trainer für die Ausführung der binären Klassifizierung.

Methoden

ChangeModelThreshold<TModel>(BinaryPredictionTransformer<TModel>, Single)	Methode zum Ändern des Schwellenwerts in ein vorhandenes Modell und Zurückgeben eines geänderten Modells.
CrossValidate(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)	Führen Sie die Kreuzvalidierung über numberOfFolds Falten von aus data, indem Sie estimatoranpassen und berücksichtigen samplingKeyColumnName , falls angegeben. Werten Sie dann jedes Untermodell anhand labelColumnName aus, und geben Sie ein CalibratedBinaryClassificationMetrics Objekt zurück, das wahrscheinlichkeitsbasierte Metriken für jedes Untermodell enthält. Jedes Untermodell wird für die Kreuzvalidierung ausgewertet, die während des Trainings nicht angezeigt wurde.
CrossValidateNonCalibrated(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)	Führen Sie die Kreuzvalidierung über numberOfFolds Falten von aus data, indem Sie estimatoranpassen und berücksichtigen samplingKeyColumnName , falls angegeben. Werten Sie dann jedes Untermodell anhand labelColumnName aus, und geben Sie für jedes Untermodell ein BinaryClassificationMetrics Objekt zurück, das keine wahrscheinlichkeitsbasierten Metriken enthält. Jedes Untermodell wird für die Kreuzvalidierung ausgewertet, die während des Trainings nicht angezeigt wurde.
Evaluate(IDataView, String, String, String, String)	Wertet bewertete binäre Klassifizierungsdaten aus.
EvaluateNonCalibrated(IDataView, String, String, String)	Wertet bewertete binäre Klassifizierungsdaten ohne wahrscheinlichkeitsbasierte Metriken aus.

Erweiterungsmethoden

PermutationFeatureImportance<TModel>(BinaryClassificationCatalog, ISingleFeaturePredictionTransformer<TModel>, IDataView, String, Boolean, Nullable<Int32>, Int32)	Permutation Feature Importance (PFI) für die binäre Klassifizierung.
PermutationFeatureImportanceNonCalibrated(BinaryClassificationCatalog, ITransformer, IDataView, String, Boolean, Nullable<Int32>, Int32)	Permutation Feature Importance (PFI) für die binäre Klassifizierung.