MulticlassClassificationMetrics Classe

A matriz de confusão que dá as contagens das classes previstas versus as classes reais.

Obtém a perda média de log do classificador. A perda de log mede o desempenho de um classificador em relação ao quanto as probabilidades previstas divergem do rótulo de classe true. A menor perda de log indica um modelo melhor. Um modelo perfeito, que prevê uma probabilidade de 1 para a classe verdadeira, terá uma perda de log de 0.

Obtém a redução de perda de log (também conhecida como perda relativa de log ou redução no ganho de informações – RIG) do classificador. Ele fornece uma medida de quanto um modelo melhora em um modelo que fornece previsões aleatórias. A redução de perda de log mais próxima de 1 indica um modelo melhor.

Obtém a precisão média de macro do modelo.

Obtém a precisão micro-média do modelo.

Obtém a perda de log do classificador para cada classe. A perda de log mede o desempenho de um classificador em relação ao quanto as probabilidades previstas divergem do rótulo de classe true. A menor perda de log indica um modelo melhor. Um modelo perfeito, que prevê uma probabilidade de 1 para a classe verdadeira, terá uma perda de log de 0.

Método de conveniência para "TopKAccuracyForAllK[TopKPredictionCount - 1]". Se TopKPredictionCount for positivo, esse é o número relativo de exemplos em que o rótulo verdadeiro é um dos principais rótulos previstos por K pelo preditor.

Retorna a precisão de K superior para todos os K de 1 para o valor de TopKPredictionCount.

Se positivo, isso indica o K dentro TopKAccuracy e TopKAccuracyForAllK.