BinaryClassificationCatalog.CrossValidateNonCalibrated Metoda
Definice
Důležité
Některé informace platí pro předběžně vydaný produkt, který se může zásadně změnit, než ho výrobce nebo autor vydá. Microsoft neposkytuje žádné záruky, výslovné ani předpokládané, týkající se zde uváděných informací.
Spusťte křížové ověření překládáním numberOfFolds
data
, montáží estimator
a dodržováním samplingKeyColumnName
, pokud je k dispozici.
Pak vyhodnoťte jednotlivé dílčí modely a labelColumnName
vrátí BinaryClassificationMetrics objekt, který nezahrnuje metriky založené na pravděpodobnosti pro každý dílčí model. Každý dílčí model se vyhodnocuje na křížovém ověření, které se během trénování nevidělo.
public System.Collections.Generic.IReadOnlyList<Microsoft.ML.TrainCatalogBase.CrossValidationResult<Microsoft.ML.Data.BinaryClassificationMetrics>> CrossValidateNonCalibrated (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.CrossValidateNonCalibrated : 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.BinaryClassificationMetrics>>
Public Function CrossValidateNonCalibrated (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 BinaryClassificationMetrics))
Parametry
- data
- IDataView
Data ke spuštění křížového ověřování.
- estimator
- IEstimator<ITransformer>
Odhadce, který se hodí.
- numberOfFolds
- Int32
Počet záhybů křížového ověření
- labelColumnName
- String
Sloupec popisku (pro vyhodnocení).
- samplingKeyColumnName
- String
Název sloupce, který se má použít pro seskupení řádků. Pokud dva příklady sdílejí stejnou hodnotu samplingKeyColumnName
, jsou zaručené, že se zobrazí ve stejné podmnožině (trénování nebo testování). Dá se použít k zajištění úniku štítků z trénovací sady do testovací sady.
Pokud null
se neprovedou žádné seskupení řádků.
Seed pro generátor náhodných čísel použitý k výběru řádků pro křížové ověření přeložení.
Návraty
Výsledky pro překládání: metriky, modely, datové sady s skóre
Platí pro
Váš názor
https://aka.ms/ContentUserFeedback.
Připravujeme: V průběhu roku 2024 budeme postupně vyřazovat problémy z GitHub coby mechanismus zpětné vazby pro obsah a nahrazovat ho novým systémem zpětné vazby. Další informace naleznete v tématu:Odeslat a zobrazit názory pro