BinaryClassificationCatalog Třída

Definice

Obor názvů:

Microsoft.ML

Sestavení:

Microsoft.ML.Data.dll

Balíček:

Microsoft.ML v2.0.0

Třída používaná k MLContext vytváření instancí komponent binární klasifikace, jako jsou školitele a kalibrátory.

public sealed class BinaryClassificationCatalog : Microsoft.ML.TrainCatalogBase

type BinaryClassificationCatalog = class
    inherit TrainCatalogBase

Public NotInheritable Class BinaryClassificationCatalog
Inherits TrainCatalogBase

Dědičnost

Object

TrainCatalogBase

BinaryClassificationCatalog

Vlastnosti

Calibrators	Seznam kalibrátorů pro provádění binární klasifikace.
Trainers	Seznam školitelů pro provádění binární klasifikace.

Metody

ChangeModelThreshold<TModel>(BinaryPredictionTransformer<TModel>, Single)	Metoda pro úpravu prahové hodnoty existujícího modelu a vrácení upraveného modelu.
CrossValidate(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)	Proveďte křížové ověření záhybů numberOfFoldsdatatak, že je naložíte estimatora respektujeme samplingKeyColumnName , pokud je k dispozici. Potom vyhodnoťte jednotlivé dílčí modely labelColumnName a vraťte CalibratedBinaryClassificationMetrics objekt, který zahrnuje metriky založené na pravděpodobnosti, pro každý dílčí model. Každý podmodel se vyhodnocuje na základě křížového ověření, které neviděl během trénování.
CrossValidateNonCalibrated(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)	Proveďte křížové ověření záhybů numberOfFoldsdatatak, že je naložíte estimatora respektujeme samplingKeyColumnName , pokud je k dispozici. Potom vyhodnoťte jednotlivé dílčí modely labelColumnName a vraťte BinaryClassificationMetrics objekt, který nezahrnuje metriky založené na pravděpodobnosti, pro každý dílčí model. Každý podmodel se vyhodnocuje na základě křížového ověření, které neviděl během trénování.
Evaluate(IDataView, String, String, String, String)	Vyhodnotí data binární klasifikace se skóre.
EvaluateNonCalibrated(IDataView, String, String, String)	Vyhodnotí vyhodnocená binární klasifikační data bez metrik založených na pravděpodobnosti.

Metody rozšíření

PermutationFeatureImportance<TModel>(BinaryClassificationCatalog, ISingleFeaturePredictionTransformer<TModel>, IDataView, String, Boolean, Nullable<Int32>, Int32)	Pfi (Permutation Feature Importance) pro binární klasifikaci.
PermutationFeatureImportanceNonCalibrated(BinaryClassificationCatalog, ITransformer, IDataView, String, Boolean, Nullable<Int32>, Int32)	Pfi (Permutation Feature Importance) pro binární klasifikaci.