BinaryClassificationCatalog Класс

Ссылка

Определение

Пространство имен:: Microsoft.ML

Сборка:: Microsoft.ML.Data.dll

Пакет:: Microsoft.ML v3.0.1

Пакет:: Microsoft.ML v1.0.0

Пакет:: Microsoft.ML v1.1.0

Пакет:: Microsoft.ML v1.2.0

Пакет:: Microsoft.ML v1.3.1

Пакет:: Microsoft.ML v1.4.0

Пакет:: Microsoft.ML v1.5.5

Пакет:: Microsoft.ML v1.6.0

Пакет:: Microsoft.ML v1.7.0

Пакет:: Microsoft.ML v2.0.0

Важно!

Некоторые сведения относятся к предварительной версии продукта, в которую до выпуска могут быть внесены существенные изменения. Майкрософт не предоставляет никаких гарантий, явных или подразумеваемых, относительно приведенных здесь сведений.

Класс, используемый для MLContext создания экземпляров компонентов двоичной классификации, таких как средства обучения и калибраторы.

public sealed class BinaryClassificationCatalog : Microsoft.ML.TrainCatalogBase

type BinaryClassificationCatalog = class
    inherit TrainCatalogBase

Public NotInheritable Class BinaryClassificationCatalog
Inherits TrainCatalogBase

Наследование: Object

TrainCatalogBase
BinaryClassificationCatalog

Свойства

Calibrators	Список калибраторов для выполнения двоичной классификации.
Trainers	Список средств обучения для выполнения двоичной классификации.

Методы

ChangeModelThreshold<TModel>(BinaryPredictionTransformer<TModel>, Single)	Метод для изменения порогового значения до существующей модели и возврата измененной модели.
CrossValidate(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)	Выполните перекрестную проверку по `numberOfFolds` сгибам `data`, подгоняя `estimator`и учитывая `samplingKeyColumnName` , если они указаны. Затем оцените каждую под-модель `labelColumnName` и верните CalibratedBinaryClassificationMetrics объект, который включает метрики на основе вероятности, для каждой подтипии. Каждая вложенная модель оценивается на основе свертки перекрестной проверки, которую она не видела во время обучения.
CrossValidateNonCalibrated(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)	Выполните перекрестную проверку по `numberOfFolds` сгибам `data`, подгоняя `estimator`и учитывая `samplingKeyColumnName` , если они указаны. Затем оцените каждую под-модель `labelColumnName` и верните BinaryClassificationMetrics объект, который не включает метрики на основе вероятности, для каждой под-модели. Каждая вложенная модель оценивается на основе свертки перекрестной проверки, которую она не видела во время обучения.
Evaluate(IDataView, String, String, String, String)	Оценивает оцененные данные двоичной классификации.
EvaluateNonCalibrated(IDataView, String, String, String)	Оценивает оцененные данные двоичной классификации без метрик на основе вероятностей.

Методы расширения

PermutationFeatureImportance<TModel>(BinaryClassificationCatalog, ISingleFeaturePredictionTransformer<TModel>, IDataView, String, Boolean, Nullable<Int32>, Int32)	Важность признаков перестановки (PFI) для двоичной классификации.
PermutationFeatureImportanceNonCalibrated(BinaryClassificationCatalog, ITransformer, IDataView, String, Boolean, Nullable<Int32>, Int32)	Важность признаков перестановки (PFI) для двоичной классификации.

Применяется к

Поделиться через