BinaryClassificationCatalog Klasse

Definition

Namespace:: Microsoft.ML

Assembly:: Microsoft.ML.Data.dll

Paket:: Microsoft.ML v4.0.1

Paket:: Microsoft.ML v1.0.0

Paket:: Microsoft.ML v1.1.0

Paket:: Microsoft.ML v1.2.0

Paket:: Microsoft.ML v1.3.1

Paket:: Microsoft.ML v1.4.0

Paket:: Microsoft.ML v1.5.5

Paket:: Microsoft.ML v1.6.0

Paket:: Microsoft.ML v1.7.0

Paket:: Microsoft.ML v2.0.1

Paket:: Microsoft.ML v3.0.1

Paket:: Microsoft.ML v5.0.0-preview.1.25125.4

Quelle:: TrainCatalog.cs

Quelle:: TrainCatalog.cs

Quelle:: TrainCatalog.cs

Wichtig

Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.

Klasse, die zum MLContext Erstellen von Instanzen binärer Klassifizierungskomponenten wie Trainern und Kalibrierern verwendet wird.

public sealed class BinaryClassificationCatalog : Microsoft.ML.TrainCatalogBase

type BinaryClassificationCatalog = class
    inherit TrainCatalogBase

Public NotInheritable Class BinaryClassificationCatalog
Inherits TrainCatalogBase

Vererbung: Object

TrainCatalogBase
BinaryClassificationCatalog

Eigenschaften

Name	Beschreibung
Calibrators	Die Liste der Kalibrierer zum Ausführen der binären Klassifizierung.
Trainers	Die Liste der Trainer für die Durchführung der binären Klassifizierung.

Methoden

Name	Beschreibung
ChangeModelThreshold<TModel>(BinaryPredictionTransformer<TModel>, Single)	Methode zum Ändern des Schwellenwerts für vorhandenes Modell und Rückgabe des geänderten Modells.
CrossValidate(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)	Führen Sie die Kreuzüberprüfung über `numberOfFolds` Faltungen von `data`, durch Anpassen `estimator`und Respektieren `samplingKeyColumnName` aus, falls angegeben. Bewerten Sie dann jedes Untermodell anhand `labelColumnName` und gibt ein CalibratedBinaryClassificationMetrics Objekt zurück, das Wahrscheinlichkeitsbasierte Metriken für jedes Untermodell enthält. Jedes Untermodell wird auf der Kreuzüberprüfungsfalte ausgewertet, die während des Trainings nicht angezeigt wurde.
CrossValidateNonCalibrated(IDataView, IEstimator<ITransformer>, Int32, String, String, Nullable<Int32>)	Führen Sie die Kreuzüberprüfung über `numberOfFolds` Faltungen von `data`, durch Anpassen `estimator`und Respektieren `samplingKeyColumnName` aus, falls angegeben. Bewerten Sie dann jedes Untermodell anhand `labelColumnName` und gibt ein BinaryClassificationMetrics Objekt zurück, das keine wahrscheinlichen basierten Metriken für jedes Untermodell enthält. Jedes Untermodell wird auf der Kreuzüberprüfungsfalte ausgewertet, die während des Trainings nicht angezeigt wurde.
Evaluate(IDataView, String, String, String, String)	Wertet bewertete Binärklassifizierungsdaten aus.
EvaluateNonCalibrated(IDataView, String, String, String)	Wertet bewertete Binärklassifizierungsdaten ohne Wahrscheinlichkeitsbasierte Metriken aus.

Erweiterungsmethoden

Name	Beschreibung
PermutationFeatureImportance<TModel>(BinaryClassificationCatalog, ISingleFeaturePredictionTransformer<TModel>, IDataView, String, Boolean, Nullable<Int32>, Int32)	Permutation Feature Importance (PFI) für binäre Klassifizierung.
PermutationFeatureImportanceNonCalibrated(BinaryClassificationCatalog, ITransformer, IDataView, String, Boolean, Nullable<Int32>, Int32)	Permutation Feature Importance (PFI) für binäre Klassifizierung.

Gilt für: