MulticlassClassificationMetrics Klasse

Definition

Namespace:

Microsoft.ML.Data

Assembly:

Microsoft.ML.Data.dll

Paket:

Microsoft.ML v4.0.0-preview.24522.7

Quelle:

MulticlassClassificationMetrics.cs

Auswertungsergebnisse für Klassenklassifizierungstrainer.

public sealed class MulticlassClassificationMetrics

type MulticlassClassificationMetrics = class

Public NotInheritable Class MulticlassClassificationMetrics

Vererbung

Object

MulticlassClassificationMetrics

Eigenschaften

ConfusionMatrix	Die Verwirrungsmatrix gibt die Anzahl der vorhergesagten Klassen gegenüber den tatsächlichen Klassen an.
LogLoss	Ruft den durchschnittlichen Protokollverlust des Klassifizierers ab. Protokollverlust misst die Leistung eines Klassifizierers im Hinblick darauf, wie viel die vorhergesagten Wahrscheinlichkeiten von der true-Klassenbeschriftung abweichen. Niedrigerer Protokollverlust gibt ein besseres Modell an. Ein perfektes Modell, das eine Wahrscheinlichkeit von 1 für die wahre Klasse vorausgibt, hat einen Protokollverlust von 0.
LogLossReduction	Ruft die Log-Loss-Reduktion (auch als relativer Protokollverlust bezeichnet oder die Reduzierung der Informationsgewinne - RIG) des Klassifizierers ab. Es gibt ein Maß dafür, wie viel ein Modell auf einem Modell verbessert, das Zufallsvorhersagen bietet. Die Reduzierung von Protokollverlusten näher an 1 gibt ein besseres Modell an.
MacroAccuracy	Ruft die Durchschnittliche Genauigkeit des Modells ab.
MicroAccuracy	Ruft die Mikrowertgenauigkeit des Modells ab.
PerClassLogLoss	Ruft den Protokollverlust des Klassifizierers für jede Klasse ab. Protokollverlust misst die Leistung eines Klassifizierers im Hinblick darauf, wie viel die vorhergesagten Wahrscheinlichkeiten von der true-Klassenbeschriftung abweichen. Niedrigerer Protokollverlust gibt ein besseres Modell an. Ein perfektes Modell, das eine Wahrscheinlichkeit von 1 für die wahre Klasse vorausgibt, hat einen Protokollverlust von 0.
TopKAccuracy	Komfortmethode für "TopKAccuracyForAllK[TopKPredictionCount - 1]". Wenn TopKPredictionCount sie positiv ist, ist dies die relative Anzahl von Beispielen, in denen die true Bezeichnung eine der oberen K-Vorhersagebezeichnungen ist.
TopKAccuracyForAllK	Gibt die höchste K-Genauigkeit für alle K von 1 bis zum Wert von TopKPredictionCount zurück.
TopKPredictionCount	Wenn dies positiv ist, gibt dies den K in TopKAccuracy und TopKAccuracyForAllK.