- Activation
- Derivative
- Loss
- LossGradient
- RegressionMetric
- ConfusionMatrix
- ConfusionMatrixMultilabel
- ClassificationMetric
- ClassificationScore
- PrecisionRecall
- ReceiverOperatingCharacteristic
ClassificationMetric
Berechnung der Klassifizierungsmetrik zur Bewertung der Qualität der vorhergesagten Daten im Vergleich zu den wahren Daten. Die Methode wird auf den Vektor der vorhergesagten Werte angewendet.
vector vector::ClassificationMetric(
|
Parameter
vect_true
[in] Vektor mit den wahren Werten.
metric
[in] Typ der Metrik aus der Enumeration ENUM_CLASSIFICATION_METRIC. Es werden andere Werte als CLASSIFICATION_TOP_K_ACCURACY, CLASSIFICATION_AVERAGE_PRECISION und CLASSIFICATION_ROC_AUC (die in der Methode ClassificationScore genutzt werden) verwendet.
mode
[in] Der Modus der Durchschnittsermittlung aus der Enumeration ENUM_AVERAGE_MODE. Wird für die Metriken CLASSIFICATION_F1, CLASSIFICATION_JACCARD, CLASSIFICATION_PRECISION und CLASSIFICATION_RECALL verwendet.
Rückgabewert
Ein Vektor, der die berechnete Metrik enthält. Im Falle des Mittelungsmodus AVERAGE_NONE enthält der Vektor die Metrikwerte für jede Klasse ohne Mittelwertbildung. (Im Falle der binären Klassifizierung wären dies beispielsweise zwei Metriken für 'false' und 'true').
Hinweis zu den Modi der Mittelwertbildung
AVERAGE_BINARY ist nur für die binäre Klassifizierung sinnvoll.
AVERAGE_MICRO — berechnet die Metriken global durch Zählen der gesamten wahr-positiven, falsch-negativen und falsch-positiven Ergebnisse.
AVERAGE_MACRO — berechnet die Metriken für jedes Label und ermittelt deren ungewichteten Mittelwert. Dabei wird ein Ungleichgewicht das Label nicht berücksichtigt.
AVERAGE_WEIGHTED — berechnet die Metriken für jedes Label und ermittelt ihren Durchschnitt gewichteten durch Unterstützung (der Anzahl der wahren Instanzen für jedes Label). Dies ändert 'macro', um das Label-Ungleichgewicht zu berücksichtigen; es kann zu einem F-Score führen, der nicht zwischen 'precision' und 'recall' liegt.
Beispiel:
vector y_true={7,2,1,0,4,1,4,9,5,9,0,6,9,0,1,5,9,7,3,4,8,4,2,7,6,8,4,2,3,6};
|