CalibratedBinaryClassificationMetrics クラス
定義
重要
一部の情報は、リリース前に大きく変更される可能性があるプレリリースされた製品に関するものです。 Microsoft は、ここに記載されている情報について、明示または黙示を問わず、一切保証しません。
確率的メトリックを含むバイナリ分類子の評価結果。
public sealed class CalibratedBinaryClassificationMetrics : Microsoft.ML.Data.BinaryClassificationMetricstype CalibratedBinaryClassificationMetrics = class
inherit BinaryClassificationMetricsPublic NotInheritable Class CalibratedBinaryClassificationMetrics
Inherits BinaryClassificationMetrics- 継承
プロパティ
| Accuracy |
テスト セット内の正しい予測の割合である分類子の精度を取得します。 (継承元 BinaryClassificationMetrics) |
| AreaUnderPrecisionRecallCurve |
分類子の有効桁数/再現率曲線の下の領域を取得します。 (継承元 BinaryClassificationMetrics) |
| AreaUnderRocCurve |
ROC 曲線の下の領域を取得します。 (継承元 BinaryClassificationMetrics) |
| ConfusionMatrix |
2 つのデータ クラスの真陽性、真陰性、偽陽性、偽陰性の数を示す 混同行列 。 (継承元 BinaryClassificationMetrics) |
| Entropy |
テスト セットエントロピを取得します。これは、テスト セット内の正と負のインスタンスの割合に基づいて、前の対数損失です。 分類子が LogLoss エントロピーより低い場合、分類子は、各インスタンスの確率として正のインスタンスの割合を予測するよりも優れていることを示します。 |
| F1Score |
精度と再現率の両方を考慮した分類子の品質の尺度である分類子の F1 スコアを取得します。 (継承元 BinaryClassificationMetrics) |
| LogLoss |
分類子の対数損失を取得します。 対数損失は、予測確率が真のクラス ラベルとどの程度異なるかに関して分類子のパフォーマンスを測定します。 対数損失が低いほど、より優れたモデルを示します。 真のクラスに対して 1 の確率を予測する完璧なモデルでは、対数損失は 0 になります。 |
| LogLossReduction |
分類子の対数損失の削減 (相対対数損失、または情報ゲインの減少 - RIG とも呼ばれます) を取得します。 これは、ランダムな予測を提供するモデルでモデルがどれだけ向上するかを測定します。 1 に近い対数損失の減少は、より優れたモデルを示します。 |
| NegativePrecision |
すべての負の予測の中で正しく予測された負のインスタンスの割合である分類子の負の精度を取得します (つまり、負として予測される負のインスタンスの数を、負として予測されたインスタンスの合計数で除算します)。 (継承元 BinaryClassificationMetrics) |
| NegativeRecall |
すべての負のインスタンス間で正しく予測された負のインスタンスの割合である分類子の負の呼び出しを取得します (つまり、負のインスタンスとして予測される負のインスタンスの数を、負のインスタンスの合計数で割った値)。 (継承元 BinaryClassificationMetrics) |
| PositivePrecision |
すべての正の予測の中で正しく予測された正のインスタンスの割合である分類子の正の精度を取得します (つまり、正と予測される正のインスタンスの数を、陽性として予測されたインスタンスの合計数で割った値)。 (継承元 BinaryClassificationMetrics) |
| PositiveRecall |
すべての正のインスタンス間で正しく予測された正のインスタンスの割合である分類子の正の呼び出しを取得します (つまり、陽性と予測される正のインスタンスの数を、正のインスタンスの合計数で割った値)。 (継承元 BinaryClassificationMetrics) |