BinaryClassificationCatalog.CrossValidate Méthode

Définition

Espace de noms:

Microsoft.ML

Assembly:

Microsoft.ML.Data.dll

Paquet:

Microsoft.ML v3.0.1

Exécutez la validation croisée sur numberOfFolds les plis de data, en ajustement estimatoret en respectant le cas samplingKeyColumnName échéant. Ensuite, évaluez chaque sous-modèle labelColumnName et retournez un CalibratedBinaryClassificationMetrics objet, qui inclut des métriques basées sur des probabilités, pour chaque sous-modèle. Chaque sous-modèle est évalué sur le pli de validation croisée qu’il ne voit pas pendant l’entraînement.

public System.Collections.Generic.IReadOnlyList<Microsoft.ML.TrainCatalogBase.CrossValidationResult<Microsoft.ML.Data.CalibratedBinaryClassificationMetrics>> CrossValidate (Microsoft.ML.IDataView data, Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> estimator, int numberOfFolds = 5, string labelColumnName = "Label", string samplingKeyColumnName = default, int? seed = default);

member this.CrossValidate : Microsoft.ML.IDataView * Microsoft.ML.IEstimator<Microsoft.ML.ITransformer> * int * string * string * Nullable<int> -> System.Collections.Generic.IReadOnlyList<Microsoft.ML.TrainCatalogBase.CrossValidationResult<Microsoft.ML.Data.CalibratedBinaryClassificationMetrics>>

Public Function CrossValidate (data As IDataView, estimator As IEstimator(Of ITransformer), Optional numberOfFolds As Integer = 5, Optional labelColumnName As String = "Label", Optional samplingKeyColumnName As String = Nothing, Optional seed As Nullable(Of Integer) = Nothing) As IReadOnlyList(Of TrainCatalogBase.CrossValidationResult(Of CalibratedBinaryClassificationMetrics))

Paramètres

data

IDataView

Données sur utilisant la validation croisée.

estimator

IEstimator<ITransformer>

Estimateur à ajuster.

numberOfFolds

Int32

Nombre de plis de validation croisée.

labelColumnName

String

Colonne d’étiquette (pour évaluation).

samplingKeyColumnName

String

Nom d’une colonne à utiliser pour regrouper des lignes. Si deux exemples partagent la même valeur du samplingKeyColumnName, ils sont garantis d’apparaître dans le même sous-ensemble (apprentissage ou test). Cela peut être utilisé pour garantir aucune fuite d’étiquette du train vers le jeu de test. Si null aucun regroupement de lignes n’est effectué.

seed

Nullable<Int32>

Amorçage pour le générateur de nombres aléatoires utilisé pour sélectionner des lignes pour les plis de validation croisée.

Retours

IReadOnlyList<CrossValidationResult<CalibratedBinaryClassificationMetrics>>

Résultats par pliage : métriques, modèles, jeux de données marqués.