CalibratedBinaryClassificationMetrics Classe

Definição

Namespace:

Microsoft.ML.Data

Assembly:

Microsoft.ML.Data.dll

Pacote:

Microsoft.ML v2.0.0

Resultados de avaliação para classificadores binários, incluindo métricas probabilísticas.

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

type CalibratedBinaryClassificationMetrics = class
    inherit BinaryClassificationMetrics

Public NotInheritable Class CalibratedBinaryClassificationMetrics
Inherits BinaryClassificationMetrics

Herança

Object

BinaryClassificationMetrics

CalibratedBinaryClassificationMetrics

Propriedades

Accuracy	Obtém a precisão de um classificador que é a proporção de previsões corretas no conjunto de testes. (Herdado de BinaryClassificationMetrics)
AreaUnderPrecisionRecallCurve	Obtém a área sob a curva de precisão/recall do classificador. (Herdado de BinaryClassificationMetrics)
AreaUnderRocCurve	Obtém a área sob a curva ROC. (Herdado de BinaryClassificationMetrics)
ConfusionMatrix	A matriz de confusão que fornece as contagens dos verdadeiros positivos, verdadeiros negativos, falsos positivos e falsos negativos para as duas classes de dados. (Herdado de BinaryClassificationMetrics)
Entropy	Obtém a entropia definida pelo teste, que é a perda de log anterior com base na proporção de instâncias positivas e negativas no conjunto de testes. Um classificador é LogLoss menor que a entropia indica que um classificador faz melhor do que prever a proporção de instâncias positivas como a probabilidade para cada instância.
F1Score	Obtém a pontuação F1 do classificador, que é uma medida da qualidade do classificador considerando a precisão e o recall. (Herdado de BinaryClassificationMetrics)
LogLoss	Obtém a perda de log do classificador. A perda de log mede o desempenho de um classificador em relação ao quanto as probabilidades previstas divergem do rótulo de classe true. A perda de log mais baixa indica um modelo melhor. Um modelo perfeito, que prevê uma probabilidade de 1 para a classe verdadeira, terá uma perda de log de 0.
LogLossReduction	Obtém a redução de perda de log (também conhecida como perda relativa de log ou redução no ganho de informações – RIG) do classificador. Ele fornece uma medida de quanto um modelo melhora em um modelo que fornece previsões aleatórias. A redução de perda de log mais próxima de 1 indica um modelo melhor.
NegativePrecision	Obtém a precisão negativa de um classificador que é a proporção de instâncias negativas previstas corretamente entre todas as previsões negativas (ou seja, o número de instâncias negativas previstas como negativas, dividido pelo número total de instâncias previstas como negativas). (Herdado de BinaryClassificationMetrics)
NegativeRecall	Obtém o recall negativo de um classificador que é a proporção de instâncias negativas previstas corretamente entre todas as instâncias negativas (ou seja, o número de instâncias negativas previstas como negativas, dividido pelo número total de instâncias negativas). (Herdado de BinaryClassificationMetrics)
PositivePrecision	Obtém a precisão positiva de um classificador que é a proporção de instâncias positivas previstas corretamente entre todas as previsões positivas (ou seja, o número de instâncias positivas previstas como positivas, dividido pelo número total de instâncias previstas como positivas). (Herdado de BinaryClassificationMetrics)
PositiveRecall	Obtém o recall positivo de um classificador que é a proporção de instâncias positivas previstas corretamente entre todas as instâncias positivas (ou seja, o número de instâncias positivas previstas como positivas, dividido pelo número total de instâncias positivas). (Herdado de BinaryClassificationMetrics)