MulticlassClassificationMetrics Classe

Matrice di confusione che fornisce i conteggi delle classi stimate rispetto alle classi effettive.

Ottiene la perdita media del log del classificatore. La perdita di log misura le prestazioni di un classificatore rispetto alla differenza tra le probabilità stimate e l'etichetta di classe true. Una perdita di log inferiore indica un modello migliore. Un modello perfetto, che stima una probabilità pari a 1 per la classe true, avrà una perdita di log pari a 0.

Ottiene la riduzione della perdita di log (nota anche come perdita di log relativa o riduzione del guadagno di informazioni - RIG) del classificatore. Fornisce una misura della quantità di miglioramento di un modello su un modello che fornisce stime casuali. La riduzione della perdita di log più vicina a 1 indica un modello migliore.

Ottiene l'accuratezza media macro del modello.

Ottiene l'accuratezza micro-media del modello.

Ottiene la perdita di log del classificatore per ogni classe. La perdita di log misura le prestazioni di un classificatore rispetto alla differenza tra le probabilità stimate e l'etichetta di classe true. Una perdita di log inferiore indica un modello migliore. Un modello perfetto, che stima una probabilità pari a 1 per la classe true, avrà una perdita di log pari a 0.

Metodo pratico per "TopKAccuracyForAllK[TopKPredictionCount - 1]". Se TopKPredictionCount è positivo, si tratta del numero relativo di esempi in cui l'etichetta true è una delle principali etichette stimate K dal predictor.

Restituisce l'accuratezza K superiore per tutte le K da 1 al valore di TopKPredictionCount.

Se positivo, indica la K in TopKAccuracy e TopKAccuracyForAllK.