ClassifierMeasurementsObject

ClassifierMeasurementsObject[…]

代表一个由 ClassifierMeasurements 产生的对象，它可被应用于属性中.

更多信息和选项

  • ClassifierMeasurementsObject[…][prop] 用于从 ClassifierMeasurementsObject 查找属性 prop.
  • ClassifierMeasurementsObject[…][{prop1,prop2,…}] 可用来查找多个属性.
  • ClassifierMeasurementsObject[…][…,opts] 指定分类器在被应用于测试集时应使用选项 opts. 它取代了 ClassifierMeasurements 的选项.
  • 可能的选项与 ClassifierFunction[…] 给出的一样，其他附加选项有：
  • ComputeUncertaintyFalse是否应同时给出测量值的统计不确定性
  • 当设置为 ComputeUncertaintyTrue 时，将以 Around[result,err] 形式返回数值测量结果，其中 err 表示与测量 result 相关的标准偏差（对应于 68% 的置信区间）.
  • 返回与测试集上的分类能力相关的单个数值的属性包括：
  • "Accuracy"正确分类实例的比例
    "Accuracy"n前 n 个准确率
    "AccuracyBaseline"如果预测最常见类的准确率
    "CohenKappa"科恩卡帕 系数
    "Error"被错误分类实例的比例
    "GeometricMeanProbability"实际类别概率的几何平均
    "LogLikelihood"给出测试集的模型的对数似然
    "MeanCrossEntropy"测试实例的平均交叉熵
    "MeanDecisionUtility"测试实例的平均效用
    "Perplexity"平均交叉熵的指数
    "ScottPi"Scott pi 系数
    "RejectionRate"被划分为 Indeterminate 的实例的比例
  • 在测量与测试集上的分类能力相关的属性（如 "Accuracy"、"Error" 或 "MeanCrossEntropy"）时，被分类为 Indeterminate 的实例将被丢弃.
  • 与混淆矩阵相关的属性包括：
  • "ConfusionMatrix"按类别 j 分类的类別 i 实例的计数 cij
    "ConfusionMatrixPlot"混淆矩阵图形
    "ConfusionMatrixPlot"{c1,c2,…}成限制于类別 c1、c2等的混淆矩阵图
    "ConfusionMatrixPlot"n最差的 n 个类别组成的子集的混淆矩阵图
    "ConfusionFunction"给出混淆矩阵值的函数
    "TopConfusions"混淆程度最高的类别对
    "TopConfusions"n混淆程度最高的 n 个类别对
  • 与用时相关的属性包括：
  • "EvaluationTime"分类一个例子所需要的时间
    "BatchEvaluationTime"当给定一批时，预测一个范例的边际时间
  • 为测试集的每个实例返回一个值的属性包括：
  • "DecisionUtilities"每个实例的效用函数值
    "Probabilities"实际类别分类概率
    "SHAPValues"每个样例的 Shapley 加性特征解释
  • "SHAPValues" 通过比较将不同的特征集合删除，然后合成所得到的预测来评估特征的贡献. 选项 MissingValueSynthesis 可用于指定如何合成缺失的特征. SHAP 解释是以相对于 class training prior 的优势比乘数 (odds ratio multiplier) 给出的. 可通过 "SHAPValues"n 控制用于对 SHAP 解释进行数值估计的样本的数量.
  • 与概率校准有关的属性包括：
  • "CalibrationCurve"对数刻度的概率校正曲线
    "LinearCalibrationCurve"线性刻度的概率校正曲线
    "CalibrationData"概率校正曲线数据
  • 返回图形的属性包括：
  • "Report"报告主要度量的面板
    "ROCCurve"接收者操作特征曲线
    "ProbabilityHistogram"实际类别概率的直方图
    "AccuracyRejectionPlot"作为拒绝率函数的准确度图
    "ReliabilityDiagram"对数刻度的概率校正曲线
    "ClassicReliabilityDiagram"线性刻度的概率校正曲线
  • 从测试集返回实例的属性包括：
  • "Examples"所有测试实例
    "Examples"{i,j}被划分为 j 类的所有 i 类实例
    "BestClassifiedExamples"实际类别概率最高的实例
    "WorstClassifiedExamples"实际类别概率最低的实例
    "CorrectlyClassifiedExamples"被正确分类的实例
    "MisclassifiedExamples"被错误分类的实例
    "TruePositiveExamples"每个类别的真正类测试实例
    "FalsePositiveExamples"每个类别的假正类测试实例
    "TrueNegativeExamples"每个类别的真负类测试实例
    "FalseNegativeExamples"每个类别的假负类测试实例
    "IndeterminateExamples"被划分为 Indeterminate 的测试实例
    "LeastCertainExamples"分布熵最高的实例
    "MostCertainExamples"分布熵最低的实例
  • 以 inputiclassi 形式给出实例，其中 classi 是测试集中实例的实际类别.
  • 属性 "WorstClassifiedExamples" 或 "MostCertainExamples" 最多可以输出 10 个实例. ClassifierMeasurementsObject[…][propn] 可用来输出 n 个实例.
  • 为每个类返回一个测量值的属性包括：
  • "AreaUnderROCCurve"每个类别的 ROC 曲线下的面积
    "ClassMeanCrossEntropy"每个类别的平均交叉熵
    "ClassRejectionRate"每个类别的拒绝率
    "F1Score"每个类别的 F1 值
    "FalseDiscoveryRate"每个类别的错误发现率
    "FalseNegativeRate"每个类别的假负类率
    "FalsePositiveRate"每个类别的假正类率
    "MatthewsCorrelationCoefficient"每个类别的 Matthews 相关系数
    "NegativePredictivedValue"每个类别的负例命中率
    "Precision"每个类别的分类的精确度
    "Recall"每个类别的分类的召回率
    "Specificity"每个类别的特异性
    "TruePositiveNumber"真正类实例的数量
    "FalsePositiveNumber"假正类实例的数量
    "TrueNegativeNumber"真负类实例的数量
    "FalseNegativeNumber"假负类实例的数量
  • ClassifierMeasurementsObject[…][propclass][…][propclass] 可用来仅返回与指定类别关联的测量值.
  • ClassifierMeasurementsObject[…][propclass][…][prop<|class1w1,class2w2,…|>] 可用来返回每个类别测量值的加权平均值.
  • ClassifierMeasurementsObject[…][propf] 可用来对返回的类别测量值应用函数 f（如 ClassifierMeasurementsObject[…][propMean]）.
  • 如 "Precision" 或 "Recall" 这样的属性为每个可能的“正类”给出一个测量值. “负类”是所有非“正类”的类的组合. 对于这样的属性，我们可以用 ClassifierMeasurementsObject[…][propaverage] 求所有可能的正类的测量值的平均值，其中 average 可以是：
  • "MacroAverage"所有测量值的统一平均值
    "WeightedMacroAverage"根据相关的类的频次对每个测量值进行加权
    "MicroAverage"合并真正类/真负类等实例，给出唯一的测量值
  • 其他属性包括：
  • "ClassifierFunction"当前被测量的 ClassifierFunction[…]
    "Properties"可用测量属性列表

范例

基本范例  (1)

定义训练集和测试集：

在训练集上创建分类器：

产生一个带有测试集分类器的 ClassifierMeasurementsObject：

度量精确度、F-分数并绘制 ClassifierMeasurementsObject 的混淆矩阵：

Wolfram Research (2015)，ClassifierMeasurementsObject，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ClassifierMeasurementsObject.html （更新于 2020 年）.

文本

Wolfram Research (2015)，ClassifierMeasurementsObject，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ClassifierMeasurementsObject.html （更新于 2020 年）.

CMS

Wolfram 语言. 2015. "ClassifierMeasurementsObject." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2020. https://reference.wolfram.com/language/ref/ClassifierMeasurementsObject.html.

APA

Wolfram 语言. (2015). ClassifierMeasurementsObject. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ClassifierMeasurementsObject.html 年

BibTeX

@misc{reference.wolfram_2024_classifiermeasurementsobject, author="Wolfram Research", title="{ClassifierMeasurementsObject}", year="2020", howpublished="\url{https://reference.wolfram.com/language/ref/ClassifierMeasurementsObject.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_classifiermeasurementsobject, organization={Wolfram Research}, title={ClassifierMeasurementsObject}, year={2020}, url={https://reference.wolfram.com/language/ref/ClassifierMeasurementsObject.html}, note=[Accessed: 22-November-2024 ]}