BinaryClassificationCatalog Třída

Reference

Definice

Obor názvů:: Microsoft.ML

Sestavení:: Microsoft.ML.Data.dll

Balíček:: Microsoft.ML v3.0.1

Balíček:: Microsoft.ML v1.0.0

Balíček:: Microsoft.ML v1.1.0

Balíček:: Microsoft.ML v1.2.0

Balíček:: Microsoft.ML v1.3.1

Balíček:: Microsoft.ML v1.4.0

Balíček:: Microsoft.ML v1.5.5

Balíček:: Microsoft.ML v1.6.0

Balíček:: Microsoft.ML v1.7.0

Balíček:: Microsoft.ML v2.0.0

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.

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 `numberOfFoldsdata`tak, že je naložíte `estimator`a 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 `numberOfFoldsdata`tak, že je naložíte `estimator`a 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.

Platí pro

Sdílet prostřednictvím