CalibratedBinaryClassificationMetrics Classe

Definizione

Spazio dei nomi:

Microsoft.ML.Data

Assembly:

Microsoft.ML.Data.dll

Pacchetto:

Microsoft.ML v2.0.0

Risultati della valutazione per i classificatori binari, incluse le metriche probabilistiche.

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

type CalibratedBinaryClassificationMetrics = class
    inherit BinaryClassificationMetrics

Public NotInheritable Class CalibratedBinaryClassificationMetrics
Inherits BinaryClassificationMetrics

Ereditarietà

Object

BinaryClassificationMetrics

CalibratedBinaryClassificationMetrics

Proprietà

Accuracy	Ottiene l'accuratezza di un classificatore che corrisponde alla percentuale di stime corrette nel set di test. (Ereditato da BinaryClassificationMetrics)
AreaUnderPrecisionRecallCurve	Ottiene l'area sotto la curva di precisione/richiamo del classificatore. (Ereditato da BinaryClassificationMetrics)
AreaUnderRocCurve	Ottiene l'area sotto la curva ROC. (Ereditato da BinaryClassificationMetrics)
ConfusionMatrix	Matrice di confusione che fornisce i conteggi dei veri positivi, veri negativi, falsi positivi e falsi negativi per le due classi di dati. (Ereditato da BinaryClassificationMetrics)
Entropy	Ottiene l'entropia del set di test, ovvero la perdita di log precedente in base alla proporzione di istanze positive e negative nel set di test. Un classificatore è inferiore all'entropia LogLoss indica che un classificatore è migliore rispetto alla stima della percentuale di istanze positive come probabilità per ogni istanza.
F1Score	Ottiene il punteggio F1 del classificatore, che è una misura della qualità del classificatore considerando sia la precisione che il richiamo. (Ereditato da BinaryClassificationMetrics)
LogLoss	Ottiene la perdita di log del classificatore. La perdita di log misura le prestazioni di un classificatore rispetto alla quantità di probabilità stimate che differiscono dall'etichetta di classe true. La perdita di log inferiore indica un modello migliore. Un modello perfetto, che stima una probabilità di 1 per la classe true, avrà una perdita di log pari a 0.
LogLossReduction	Ottiene la riduzione della perdita di log (nota anche come perdita di log relativa o riduzione del guadagno delle informazioni - RIG) del classificatore. Fornisce una misura della quantità di miglioramento di un modello su un modello che fornisce stime casuali. La riduzione della perdita di log più vicina a 1 indica un modello migliore.
NegativePrecision	Ottiene la precisione negativa di un classificatore che corrisponde alla percentuale di istanze negative stimate correttamente tra tutte le stime negative , ad esempio il numero di istanze negative stimate come negative, suddivise per il numero totale di istanze stimate come negative. (Ereditato da BinaryClassificationMetrics)
NegativeRecall	Ottiene il richiamo negativo di un classificatore che corrisponde alla percentuale di istanze negative stimate correttamente tra tutte le istanze negative, ad esempio il numero di istanze negative stimate come negative, suddivise per il numero totale di istanze negative. (Ereditato da BinaryClassificationMetrics)
PositivePrecision	Ottiene la precisione positiva di un classificatore che corrisponde alla percentuale di istanze positive stimate correttamente tra tutte le stime positive, ad esempio il numero di istanze positive stimate come positive, suddivise per il numero totale di istanze stimate come positive. (Ereditato da BinaryClassificationMetrics)
PositiveRecall	Ottiene il richiamo positivo di un classificatore che corrisponde alla percentuale di istanze positive stimate correttamente tra tutte le istanze positive, ad esempio il numero di istanze positive stimate come positive, suddivise per il numero totale di istanze positive. (Ereditato da BinaryClassificationMetrics)