matthewsCorrelation
public double matthewsCorrelation(int classIdx)
![](http://img.e-com-net.com/image/info10/250b4c9d5cdb4af2bb7941c11e83db0b.gif)
为指定的类计算二进制马修斯相关系数。
MCC = (TPTN - FPFN) / sqrt((TP+FP)(TP+FN)(TN+FP)(TN+FN))
- 参数 classIdx 计算马休斯相关系数的类指标
matthewsCorrelation
public double matthewsCorrelation(EvaluationAveraging averaging)
![](http://img.e-com-net.com/image/info10/b5b3b4eccf48432caaca4ce1224aeb18.gif)
计算平均二进制马修斯相关系数,使用宏观或微观平均。
MCC = (TPTN - FPFN) / sqrt((TP+FP)(TP+FN)(TN+FP)(TN+FN))
注:这与多类马休斯相关系数不相同。
- 参数 averaging 平均方法
- 返回平均系数
incrementTruePositives
public void incrementTruePositives(Integer classLabel)
![](http://img.e-com-net.com/image/info10/d16591db21974619a85554ebedde98a5.gif)
真阳性:正确拒绝
- 到目前为止返回全部真阳性
addToConfusion
public void addToConfusion(Integer real, Integer guess)
![](http://img.e-com-net.com/image/info10/f40275a7105c40cc805fe2f50a175e58.gif)
添加到混淆矩阵
- 参数 real 实际猜测
- 参数 guess 系统猜测
classCount
public int classCount(Integer clazz)
![](http://img.e-com-net.com/image/info10/036c6921ad354911b51a0e0b8b027a50.gif)
返回给定标签实际发生的次数。
- 参数 clazz 标签
- 返回标签实际发生的次数
getTopNCorrectCount
public int getTopNCorrectCount()
![](http://img.e-com-net.com/image/info10/9a61aea0532e4a919120b1a72c64bfb8.gif)
根据前N个值返回正确预测的数目。对于前n=1(默认值),这相当于正确预测的数目。
- 返回正确预测的前N数字
getTopNTotalCount
public int getTopNTotalCount()
![](http://img.e-com-net.com/image/info10/d62b57c6ef6f4815bdd3a70f7ae96c80.gif)
返回前N个评估的总数。大多数情况下,这完全等于getNumRowCounter(),但是在使用eval(int, int)的情况下可能不同,因为在这种情况下无法计算前N个精度(即,需要完整的概率分布,而不仅仅是预测/实际索引)。
- 返回前N个预测的总数
getConfusionMatrix()
public ConfusionMatrix getConfusionMatrix()
![](http://img.e-com-net.com/image/info10/594d39e3a2e646579fc7257ed3e418c7.gif)
返回混淆矩阵变量
- 返回此评估的混淆矩阵变量
confusionToString
public String confusionToString()
![](http://img.e-com-net.com/image/info10/93240aaf85d24e7896ff1517c33a7a5c.gif)
获取混淆矩阵的字符串表示形式。
getPredictionErrors()
public List getPredictionErrors()
![](http://img.e-com-net.com/image/info10/5060edeac25b464e9831121496842065.gif)
根据每个记录获取预测误差列表
注意:预测错误只能在“元数据评估”方法:eval(INDArray, INDArray, List)使用之后才能使用。否则(如果元数据没有通过前面提到的eval方法记录),则将每个预测输出分割成单独的Prediction对象是没有价值的,使用混淆矩阵获得计数,通过getConfusionMatrix()方法来替代。
- 返回预测错误列表,或者如果没有记录元数据,则为null。
getPredictionsByActualClass(int actualClass)
public List getPredictionsByActualClass(int actualClass)
![](http://img.e-com-net.com/image/info10/3c5458f6c579408ab3b8faa02ba7d7b5.gif)
获取具有指定实际类的所有数据的预测列表,而不管预测类是什么。
注意:预测错误只能在“元数据评估”方法:eval(INDArray, INDArray, List)使用之后才能使用。否则(如果元数据没有通过前面提到的eval方法记录),则将每个预测输出分割成单独的Prediction对象是没有价值的,使用混淆矩阵获得计数,通过getConfusionMatrix()方法来替代。
- 返回预测错误列表,或者如果没有记录元数据,则为null。
- 参数 actualClass 用于预测的实际类
ROCBinary
[源码]
ROC (Receiver Operating Characteristic) 用于多任务二分类分类器
根据{@link ROC},ROCBinary支持exact(thersholdSteps==0)和阈值化;有关详细信息,请参见{@link ROC}。
与{@link ROC}不同(它支持单个二分类标签(作为单列概率或2列“softmax”概率)分布),ROCBinary假设所有输出都是独立的二分类变量。这也不同于{@link ROCMultiClass},它应该用于多类(单个非二分类)情况。ROCBinary支持每个示例和每个输出掩码:对于每个输出掩码,可能缺少任何特定的输出(掩码值0),因此不包括在计算的ROC中。
ROCBinary
public ROCBinary(int thresholdSteps)
![](http://img.e-com-net.com/image/info10/b6f9421cf4b84a37a4b0a7b136c68b03.gif)
- 参数 thresholdSteps 用于ROC计算的阈值步骤数。设置为0用于精确的ROC计算
ROCBinary(int thresholdSteps, boolean rocRemoveRedundantPts)
public ROCBinary(int thresholdSteps, boolean rocRemoveRedundantPts)
![](http://img.e-com-net.com/image/info10/ac02e66ee2eb4fd6bf566262c5c0c1ec.gif)
- 参数 thresholdSteps 用于ROC计算的阈值步骤数。设置为0用于精确的ROC计算
- 参数 rocRemoveRedundantPts 通常设置为true。如果为true,则从ROC和P R曲线中删除任何冗余点。
numLabels
public int numLabels()
![](http://img.e-com-net.com/image/info10/4f93da4b86db4253862fe78b4608af05.gif)
如果已知,返回标签的数目(即,预测/标签数组的大小)。否则返回1
getCountActualPositive
public long getCountActualPositive(int outputNum)
![](http://img.e-com-net.com/image/info10/9e2073ce2ece411eb31826dd8bb7090c.gif)
获取指定输出/列的实际阳性统计(考虑任何掩码)
- 参数 outputNum 输出索引 (0 到 {- link #numLabels()}-1)
getCountActualNegative
public long getCountActualNegative(int outputNum)
![](http://img.e-com-net.com/image/info10/281e04232cdf4a1a81fba6cfe546b847.gif)
获取指定输出/列的实际阴性统计(考虑任何掩码)
- 参数 outputNum 输出索引 (0 到 {- link #numLabels()}-1)
getRocCurve
public RocCurve getRocCurve(int outputNum)
![](http://img.e-com-net.com/image/info10/dc15bf0295624c8eb309e93bf2df36b1.gif)
获取指定输出的ROC曲线
- 参数 outputNum 获取ROC曲线的输出数
- 返回 ROC 曲线
getPrecisionRecallCurve
public PrecisionRecallCurve getPrecisionRecallCurve(int outputNum)
![](http://img.e-com-net.com/image/info10/06362547504f4374bfaffd5abda48b62.gif)
获取指定输出的精度召回曲线
- 参数 outputNum 获得R—R曲线的输出数
- 返回精确召回曲线
calculateAverageAuc
public double calculateAverageAuc()
![](http://img.e-com-net.com/image/info10/adfe5048318a40eb994c2ba98ad582bd.gif)
所有结果的宏观平均AUC
- 返回所有结果的(宏观)平均AUC。
calculateAverageAUCPR
public double calculateAverageAUCPR()
![](http://img.e-com-net.com/image/info10/f791d442be2e4c85ac438a248c9c1f8b.gif)
- 返回(宏)平均AUPRC(精确召回曲线下的面积)
calculateAUC
public double calculateAUC(int outputNum)
![](http://img.e-com-net.com/image/info10/6f0f82eebbde42d5bbda6f131fce28c8.gif)
计算(ROC)曲线下的AUC面积
在内部利用梯形积分
- 参数 outputNum 输出数计算AUC
- 返回 AUC
calculateAUCPR
public double calculateAUCPR(int outputNum)
![](http://img.e-com-net.com/image/info10/e8146a4e11454de58d6f22e07e511980.gif)
精度召回曲线下的AUCPR面积计算
在内部利用梯形积分
- 参数 outputNum 计算AUCPR的输出数据
- 返回 AUCPR
setLabelNames
public void setLabelNames(List labels)
![](http://img.e-com-net.com/image/info10/f487ddfb063b4754bbd377135dd420ac.gif)
设置标签名称,用于通过stats()打印
ConfusionMatrix
[源码]
创建一个空混淆矩阵
ConfusionMatrix
public ConfusionMatrix(ConfusionMatrix other)
![](http://img.e-com-net.com/image/info10/988b0b7efb0e4d89b2f802f6f56fded9.gif)
创建用另一个ConfusionMatrix的内容初始化的新ConfusionMatrix。
add(T actual, T predicted)
public synchronized void add(T actual, T predicted)
![](http://img.e-com-net.com/image/info10/18c7ecc84a024d6ca15075de0be178e4.gif)
增加实际指定的条目和一个预测条目。
toCSV
public String toCSV()
![](http://img.e-com-net.com/image/info10/dfe270961f2f4e89a81d5b85e2a323cb.gif)
将ConfusionMatrix输出为逗号分隔的值,以便于导入电子表格
toHTML
public String toHTML()
![](http://img.e-com-net.com/image/info10/d656433f692a4fa2b83b101258b9cfdd.gif)
在HTML表中输出混淆矩阵。级联样式表(CSS)可以通过定义empty-space, actual-count-header, predicted-class-header, and count-element 类来控制表的外观。例如
- 返回 html 字符
ROCMultiClass
[源码]
ROC(受试者工作特征曲线)用于多类分类器。
ROC曲线是通过将预测看作一组对全部的分类器来生成的,然后计算每个分类器的ROC曲线。在实践中,这意味着对于N类,我们得到N 条 ROC曲线。
ROCMultiClass
public ROCMultiClass(int thresholdSteps)
![](http://img.e-com-net.com/image/info10/74bb3467acde42df83e649da81f93e59.gif)
- 参数 thresholdSteps 计算的阈值步骤数。设置为0用于精确的ROC计算
ROCMultiClass(int thresholdSteps, boolean rocRemoveRedundantPts)
public ROCMultiClass(int thresholdSteps, boolean rocRemoveRedundantPts)
![](http://img.e-com-net.com/image/info10/17bd2b3118c64af7b1b0bd59bd492ba5.gif)
- 参数 thresholdSteps 用于ROC计算的阈值步骤数。如果设置为0:使用精确计算
- 参数 rocRemoveRedundantPts 通常设置为true。如果为true,则从ROC和P R曲线中删除任何冗余点。
eval
public void eval(INDArray labels, INDArray predictions)
![](http://img.e-com-net.com/image/info10/757076084ce64f3b98168a0f4c584381.gif)
对给定的小批量数据进行评估(收集统计数据)。对于时间序列(3维),使用{-link#evalTimeSeries(INDArray,INDArray)}或{-link#evalTimeSeries(INDArray,INDArray,INDArray)}
- 参数 labels 标签/真实结果
- 参数 predictions 预测
getRocCurve
public RocCurve getRocCurve(int classIdx)
![](http://img.e-com-net.com/image/info10/f1a10624e81c460f901d1a18a2c197ee.gif)
获取指定类的(一对全部)ROC曲线
- 参数 classIdx 获取ROC曲线的类索引
- 返回给定类的ROC曲线
getPrecisionRecallCurve
public PrecisionRecallCurve getPrecisionRecallCurve(int classIdx)
![](http://img.e-com-net.com/image/info10/e8fa1c61a45648c2b623724592f24738.gif)
获取指定类的(一对多)精确召回曲线
- 参数 classIdx 获取P-R曲线的类索引
- 返回给定类的精确召回曲线
calculateAUC
public double calculateAUC(int classIdx)
![](http://img.e-com-net.com/image/info10/a3675f4baca04b4ea9aaa3f684838dd5.gif)
计算ROC曲线下的AUC面积
在内部利用梯形积分
- 返回 AUC
calculateAUCPR
public double calculateAUCPR(int classIdx)
![](http://img.e-com-net.com/image/info10/d5149254643a4e5e9ca1e993ad51acf3.gif)
计算精度召回曲线下的AUPRC面积
在内部利用梯形积分
- 返回 AUC
calculateAverageAUC
public double calculateAverageAUC()
![](http://img.e-com-net.com/image/info10/d260044700f54da698da40f5009605de.gif)
计算所有类的宏平均值(一对全部)AUC
calculateAverageAUCPR
public double calculateAverageAUCPR()
![](http://img.e-com-net.com/image/info10/56921d48e34c49b2a36d10dd7bd38f65.gif)
计算所有类的宏平均(1对全部)AUCPR(精确召回曲线下的区域)
getCountActualPositive
public long getCountActualPositive(int outputNum)
![](http://img.e-com-net.com/image/info10/907936fa06fc4760a98ace8ac0275325.gif)
获取指定类的实际阳性统计(考虑任何掩码)
- 参数 outputNum 类索引
getCountActualNegative
public long getCountActualNegative(int outputNum)
![](http://img.e-com-net.com/image/info10/0fcf8a19a2a1479696724f573530d805.gif)
获取指定输出/列的实际阴性统计(考虑任何掩码)
- 参数 outputNum 类索引
merge
public void merge(ROCMultiClass other)
![](http://img.e-com-net.com/image/info10/b31f3ac4d60d45fa81a09e9dc4c1c912.gif)
将此ROCMultiClass实例与另一个实例合并。这个ROCMultiClass实例通过添加来自另一个实例的统计数据而被修改。
- 参数 other 此结合的ROCMultiClass 实例
ROC
[源码]
ROC (受试者工作特征曲线)用于多类分类器。
ROC 有两种操作模式: (a) Thresholded (内存占用少)
(b) Exact (默认; 使用 numSteps == 0 来设置。可能不会扩展到非常大的数据集)
Thresholded(阈值化)是一种近似方法,(对于大型数据集)可能比exact(精确)模式使用更少的内存。尽管exact(精确)的实现将基于数据集自动计算阈值点,以给出“更平滑”和更精确的ROC曲线(或用于诊断目的的最佳切割点),阈值化使用大小为1.0的固定步骤/阈值步骤,因为这允许容易地实现批处理和分布式评估场景(其中完整数据集不能同时在任意一台机器上的内存中使用)。注意,在某些情况下(例如,非常歪斜的概率预测),阈值方法可能是不准确的,常常低估了真实区域。
假设数据是二分类-nColumns==1(单个二分类输出变量)或nColumns==2(在2个类上的概率分布,其中列1是“阳性”示例的值)
ROC
public ROC(int thresholdSteps)
![](http://img.e-com-net.com/image/info10/e9b7c4672b824e69becd7a0c426e7892.gif)
- 能数 thresholdSteps 用于ROC计算的阈值步骤数。如果设置为0:使用精确计算
ROC(int thresholdSteps, boolean rocRemoveRedundantPts)
public ROC(int thresholdSteps, boolean rocRemoveRedundantPts)
![](http://img.e-com-net.com/image/info10/1981b30aa21147e0b945265f9c411632.gif)
- 参数 thresholdSteps 用于ROC计算的阈值步骤数。如果设置为0:使用精确计算
- 参数 rocRemoveRedundantPts 通常设置为true。如果为true,则从ROC和P R曲线中删除任何冗余点。
eval
public void eval(INDArray labels, INDArray predictions)
![](http://img.e-com-net.com/image/info10/3b73e4d305dd4065bff3333a9e9cef90.gif)
对给定的小批量数据进行评估(收集统计数据)。对于时间序列(3维),使用{-link#evalTimeSeries(INDArray,INDArray)}或{-link#evalTimeSeries(INDArray,INDArray,INDArray)}
- 参数 labels 标签/真实结果
- 参数 predictions 预测
getPrecisionRecallCurve
public PrecisionRecallCurve getPrecisionRecallCurve()
![](http://img.e-com-net.com/image/info10/56c6537e9c4b4353bb22ae5e34228bda.gif)
以数组的形式获得精确召回曲线. return[0] = threshold array
return[1] = precision array
return[2] = recall array
- return
getRocCurve
public RocCurve getRocCurve()
![](http://img.e-com-net.com/image/info10/6131405982f84da690ca9facf17531ea.gif)
获取ROC曲线,作为一组(阈值,假阳性,真阳性)点。
- 返回 ROC 曲线
calculateAUC
public double calculateAUC()
![](http://img.e-com-net.com/image/info10/02ac5316817a428299afc1db281cf997.gif)
计算AUROC-ROC曲线下的面积
在内部利用梯形积分
- 返回 AUC
calculateAUCPR
public double calculateAUCPR()
![](http://img.e-com-net.com/image/info10/1c12d23c2fa0481fa28cee3a45b8c746.gif)
计算精度/召回曲线下的面积
- return
merge
public void merge(ROC other)
![](http://img.e-com-net.com/image/info10/95929c21d90943c9bb3ca2d031c67165.gif)
将ROC实例与另一个实例合并。通过添加来自另一实例的STATS,修改此ROC实例。
- param other ROC instance to combine with this one
IEvaluation
[源码]
用于评估神经网络的通用接口.方法由以下实现共享
EvaluationCalibration
[源码]
EvaluationCalibration是一个评估类,用于分析分类器的校准。它提供了许多用于此目的的工具:
每个类别的标签数量和预测的统计
可靠性图(或可靠性曲线)
残差图(直方图)
概率直方图,包括每个类的概率
参考文献:可靠性图:参见例如Niculescu-Mizil和Caruana 2005,使用监督学习预测良好概率
残差图:参见Wallace和Dahabreh 2012,类概率估计对于不平衡数据是不可靠的(以及如何修正它们)
EvaluationCalibration
public EvaluationCalibration()
![](http://img.e-com-net.com/image/info10/f0338f935f5c4bb4a855352c41334adb.gif)
eval
public void eval(INDArray labels, INDArray networkPredictions, INDArray maskArray)
![](http://img.e-com-net.com/image/info10/77d22053974446a98f293cd0e237ae93.gif)
使用默认数量的容器创建一个评估校准实例
- 参数 reliabilityDiagNumBins 可靠性图表的容器数(通常为10)
- 参数 histogramNumBins 直方图的容器数
getReliabilityDiagram
public ReliabilityDiagram getReliabilityDiagram(int classIdx)
![](http://img.e-com-net.com/image/info10/5aa5e04368534030bbebdcca6720bd44.gif)
获取指定类的可靠性图
- 参数 classIdx 获得可靠性图的类的索引
getResidualPlotAllClasses
public Histogram getResidualPlotAllClasses()
![](http://img.e-com-net.com/image/info10/0c90a140755d4d59bb6d26eeae19e938.gif)
- 返回每个类的观察标签的数量。对于N个类,被返回数组的长度为N,out[i]是类i的标签数
getResidualPlot
public Histogram getResidualPlot(int labelClassIdx)
![](http://img.e-com-net.com/image/info10/65267a98f34c463cbe3dea959827279f.gif)
只为指定的类的例子获取残差图。残差图被定义为直方图。
|label_i-prob(class_i|input)|用于所有和示例;对于这个特定的方法,仅包括i==labelClassIdx的预测。
在一般情况下,相比大残差,小残差表示一个更优越的分类器。
- 参数 labelClassIdx获取残差图的类的索引
- 返回残差图(直方图)-所有预测/类
getProbabilityHistogramAllClasses
public Histogram getProbabilityHistogramAllClasses()
![](http://img.e-com-net.com/image/info10/895c072240884b9caa44cddd83a9c109.gif)
返回所有预测/类的概率直方图。
- 返回概率直方图
getProbabilityHistogram
public Histogram getProbabilityHistogram(int labelClassIdx)
![](http://img.e-com-net.com/image/info10/e890ae2934a04547a2e48f5ec4bd28d9.gif)
返回指定的标签类索引的概率直方图。也就是说,对于标签类索引i,返回P(class_i|input)的直方图,仅用于标记为类i的那些示例。
- 参数 labelClassIdx 标签类的索引以获得直方图
- 返回概率直方图
EvaluationUtils
[源码]
评估方法工具
precision
public static double precision(long tpCount, long fpCount, double edgeCase)
![](http://img.e-com-net.com/image/info10/5261dc9754ab4d0a8b5fc7b74c4c902a.gif)
计算真阳性和假阳性统计的精确度
- 参数 tpCount 真阳性统计
- 参数 fpCount 假阳性统计
- 参数 edgeCase 边缘案例值避免使用0/0
- 返回 精确度
recall
public static double recall(long tpCount, long fnCount, double edgeCase)
![](http://img.e-com-net.com/image/info10/d3c8494d0b234d11a5fe4331738677de.gif)
计算真阳性和假阴性统计的召回率
- 参数 tpCount 真阳性统计
- 参数 fnCount 假阴性统计
- 参数 edgeCase 边缘案例值避免使用0/0
- 返回召回率
falsePositiveRate
public static double falsePositiveRate(long fpCount, long tnCount, double edgeCase)
![](http://img.e-com-net.com/image/info10/da718c331eea46889933629a29ba3ffe.gif)
根据假阳性统计和真阴性统计计算假阳性率
- 参数 fpCount 假阳性统计
- 参数 tnCount 真阴性统计
- 参数 edgeCase 边缘案例值避免使用0/0
- 返回假阳性率
falseNegativeRate
public static double falseNegativeRate(long fnCount, long tpCount, double edgeCase)
![](http://img.e-com-net.com/image/info10/f1a0f6446a154c27bec4144d5a9e439d.gif)
根据假阴性统计和真阳性统计计算假阴性率
- 参数 fnCount 假阴性统计
- 参数 tpCount 真阳性统计
- 参数 edgeCase 边缘案例值避免使用0/0
- 返回假阴性率
fBeta
public static double fBeta(double beta, long tp, long fp, long fn)
![](http://img.e-com-net.com/image/info10/22509d3639df4fce8ff9430703c05be3.gif)
从统计计算F-beta值
- 参数 beta 使用的Beta值
- 参数 tp 真阳性统计
- 参数 fp 假阳性统计
- 参数 fn 假阴性统计
- 返回F beta
fBeta
public static double fBeta(double beta, double precision, double recall)
![](http://img.e-com-net.com/image/info10/fb126d0c3522492f9910ea913b85d8ec.gif)
从精确率与召回计算F-beta值
- 参数 beta 使用的Beta值
- 参数 precision 精确率
- 参数 recall 召回率
- 返回 F-beta 值
gMeasure
public static double gMeasure(double precision, double recall)
![](http://img.e-com-net.com/image/info10/197e87929e8844a6aa6ac53ae6f3b90b.gif)
从精确率与召回计算 G-measure值
- 参数 precision 精确率
- 参数 recall 召回率
- 返回 G-measure
matthewsCorrelation
public static double matthewsCorrelation(long tp, long fp, long fn, long tn)
![](http://img.e-com-net.com/image/info10/d1a0e39f80314e58b42c38642f9423ce.gif)
从统计计算二分类马休斯相关系数
- 参数 tp 真阳统计
- 参数 fp 假阳统计
- 参数 fn 假阴统计
- 参数 tn 真阴统计
- 返回马休斯相关系数
EvaluationBinary
[源码]
EvaluationBinary: 用于评估具有二分类输出的网络。对每个输出计算典型的分类度量,如准确度、精确度、召回率、F1评分等。
注意,EvaluationBinary支持每个示例和每个输出掩码。
默认情况下,EvaluationBinary使用0.5的决策阈值,但是可以对每个输出设置决策阈值
EvaluationBinary
public EvaluationBinary(INDArray decisionThreshold)
![](http://img.e-com-net.com/image/info10/4f3f6160dfe24f6e9888df433704d6d9.gif)
用可选的决策阈值数组创建EvaulationBinary实例。
- 参数 decisionThreshold 每个输出的判定阈值,可以是空的。应该是长度等于输出数量的行向量,其值在0到1的范围内。0.5值的数组等效于默认值(没有手动指定的决策阈值)。
eval
public void eval(INDArray labels, INDArray networkPredictions)
![](http://img.e-com-net.com/image/info10/29abd615c0ab4553a50a57af2aceaff9.gif)
当rocBinarySteps参数非空时,此构造器允许除了标准评估度量之外还计算ROC。详情请参阅 {- link ROCBinary}
- 参数 size 输出数量
- 参数 rocBinarySteps 用于 {- link ROCBinary#ROCBinary(int)}的构造器
numLabels
public int numLabels()
![](http://img.e-com-net.com/image/info10/b578fb670f27484fa4c70722ce765c6a.gif)
如果已知,返回标签的数目(即,预测/标签阵列的大小)。否则返回-1
setLabelNames
public void setLabelNames(List labels)
![](http://img.e-com-net.com/image/info10/16495597eaca4f2fa1e14eb1a6a4eaa6.gif)
设置标签名称,用于通过{- link #stats()}打印
totalCount
public int totalCount(int outputNum)
![](http://img.e-com-net.com/image/info10/ae2b51eedc694b57b94d58fbb822e1b4.gif)
获取指定列的值总数,考虑任何掩码
truePositives
public int truePositives(int outputNum)
![](http://img.e-com-net.com/image/info10/1c7b057ce27141c49b298b3376437dbc.gif)
获取指定输出的真阳统计
trueNegatives
public int trueNegatives(int outputNum)
![](http://img.e-com-net.com/image/info10/7c06ee81a6a748c48f201103707b75fc.gif)
获取指定输出的真阴统计
falsePositives
public int falsePositives(int outputNum)
![](http://img.e-com-net.com/image/info10/44955b0bcb844e8283aba37db353d6b9.gif)
获取指定输出的假阳统计
falseNegatives
public int falseNegatives(int outputNum)
![](http://img.e-com-net.com/image/info10/2bb104fdd9c24b7585fbca91cc22a12b.gif)
获取指定输出的假阴统计
accuracy
public double accuracy(int outputNum)
![](http://img.e-com-net.com/image/info10/6d8fb1a5854f469a988da86e8a06ecd6.gif)
获取指定输出的准确率
precision
public double precision(int outputNum)
![](http://img.e-com-net.com/image/info10/720092be03284d6cb1ca377c49268adc.gif)
获取指定输出的精度(tp / (tp + fp))
recall
public double recall(int outputNum)
![](http://img.e-com-net.com/image/info10/a99216f6606a4ced87c77e0a9abe15df.gif)
获取指定输出的召回率(tp/(tp+fn))
fBeta
public double fBeta(double beta, int outputNum)
![](http://img.e-com-net.com/image/info10/5baf7dc70a5a46269f774414e93d4b96.gif)
获取指定输出的 F-beta 值
- 参数 beta 使用的beta值
- 参数 outputNum 输出数
- 返回指定输出的 F-beta
f1
public double f1(int outputNum)
![](http://img.e-com-net.com/image/info10/b63f0b7f36744beea5dbaec4ee00d31b.gif)
获取指定输出的F1 得分
matthewsCorrelation
public double matthewsCorrelation(int outputNum)
![](http://img.e-com-net.com/image/info10/44549fd8b1ed4e1fb47a5c33f37663d4.gif)
计算指定输出的马休斯相关系数
- 参数 outputNum 输出数字
- 返回马休斯相关系数
gMeasure
public double gMeasure(int output)
![](http://img.e-com-net.com/image/info10/4965a9b5d22e4539b94e7c7be8e469a1.gif)
计算指定输出的 G-measure
- 参数 output 指定输出
- 返回指定输出的 G-measure
public double falsePositiveRate(int classLabel)
![](http://img.e-com-net.com/image/info10/f9cfae2389144f4d8a407978b7d68112.gif)
返回给定标签的假阳性率
- 参数 classLabel 标签
- 返回double类型的假阳性率
falsePositiveRate
public double falsePositiveRate(int classLabel, double edgeCase)
![](http://img.e-com-net.com/image/info10/a45e0644563f471fbd66cf118277f263.gif)
返回给定标签的假阳性率
- 参数 classLabel 标签
- 参数edgeCase 0/0情况下的输出
- 返回double类型的假阳性率
falseNegativeRate
public double falseNegativeRate(Integer classLabel)
![](http://img.e-com-net.com/image/info10/9ae381bbe263433c88be6a7183a47631.gif)
返回给定标签的假阴性率
- 参数 classLabel 标签
- 返回double类型的假阴性率
falseNegativeRate
public double falseNegativeRate(Integer classLabel, double edgeCase)
![](http://img.e-com-net.com/image/info10/1d25eefd372d4e9bb0941a25e0dd770f.gif)
返回给定标签的假阴性率
- 参数 classLabel 标签
- 参数edgeCase 0/0情况下的输出
- 返回double类型的假阴性率
getROCBinary
public ROCBinary getROCBinary()
![](http://img.e-com-net.com/image/info10/bf492ad6af634532adc2c90fafb9b4f4.gif)
返回ROCBinary实例,如果存在
stats
public String stats()
![](http://img.e-com-net.com/image/info10/0fe44f6c58094097ace844b9ac890223.gif)
使用默认精度获取EvaluationBinary类的String表示
stats
public String stats(int printPrecision)
![](http://img.e-com-net.com/image/info10/689b30c168514d1fb63945213efdc373.gif)
使用默认精度获取EvaluationBinary类的String表示
- 参数 printPrecision 精度(小数位数)用于准确率、F1等。
RegressionEvaluation
[源码]
评估回归算法的评估方法。
为每个列提供以下度量:
MSE: 均方误差
MAE: 平均绝对误差
RMSE: 均方根误差
RSE: 相对平方误差
PC: 皮尔森相关系数
-
R^2: 决定系数
查看示例: http://www.saedsayad.com/model_evaluation_r.htm
RegressionEvaluation
public RegressionEvaluation()
![](http://img.e-com-net.com/image/info10/2b57774d0d3240229d5529b5a0030767.gif)
- 如果度量应该最小化,则返回True;如果度量应该最大化,则返回false。例如,MSE为0是最好的,但是R^ 2为1是最好的。
correlationR2
public double correlationR2(int column)
![](http://img.e-com-net.com/image/info10/383577797a4a4c0dbb53ece3d503e82a.gif)
相关评分的遗留方法。
- 参数 column要评估的列
- 返回给定列的皮尔森相关系数
- 查看{- link #pearsonCorrelation(int)}
- 弃用,用{- link #pearsonCorrelation(int)} 替代。对于R2得分的使用 {- link #rSquared(int)}.
pearsonCorrelation
public double pearsonCorrelation(int column)
![](http://img.e-com-net.com/image/info10/51c282f577954527875c8e7f0981f825.gif)
样本的皮尔森相关系数
- 参数 column 要评估的列
- 返回具有索引{代码列}的列皮尔森相关系数
- 查看 Wikipedia
rSquared
public double rSquared(int column)
![](http://img.e-com-net.com/image/info10/bacd85cdfc1b4be3b642bac7daaf1ba7.gif)
决定系数 (R^2 Score)
- 参数 column 要评估的列
- 返回具有索引{代码列}的列的R^ 2分数
- 查看 Wikipedia
averageMeanSquaredError
public double averageMeanSquaredError()
![](http://img.e-com-net.com/image/info10/c915947d3d9f4f509df57dd0d0015499.gif)
所有列的平均MSE
- return
averageMeanAbsoluteError
public double averageMeanAbsoluteError()
![](http://img.e-com-net.com/image/info10/e28883ccbf5e4c7dbd065c040dc45065.gif)
所有列的平均MAE
- return
averagerootMeanSquaredError
public double averagerootMeanSquaredError()
![](http://img.e-com-net.com/image/info10/eb03ba23676e4e0da5254c9553611576.gif)
所有列的平均RMSE
- return
averagerelativeSquaredError
public double averagerelativeSquaredError()
![](http://img.e-com-net.com/image/info10/6dcd98a060484caeac3882cf38c54230.gif)
所有列的平均RSE
- return
averagecorrelationR2
public double averagecorrelationR2()
![](http://img.e-com-net.com/image/info10/97beff7242644a61bc7a8cf772a3503d.gif)
用于所有列的相关平均值的遗留方法。
- 在所有列上平均的返回皮尔森相关
- 查看 {- link #averagePearsonCorrelation()}
- 弃用,用{- link #averagePearsonCorrelation()} 替代。对于R2得分的使用 {- link #averageRSquared()}.
averagePearsonCorrelation
public double averagePearsonCorrelation()
![](http://img.e-com-net.com/image/info10/e7bc35fd7a514871b6dbaf6cd98fa9f7.gif)
所有列的平均皮尔森相关系数
- 所有列的平均皮尔森相关系数
averageRSquared
public double averageRSquared()
![](http://img.e-com-net.com/image/info10/9d5216751c754a3b91809b565b44be41.gif)
所有列的平均R2
- 返回所有列的平均R2
EvaluationAveraging
[源码]
当应用于多类分类问题时,二分类评估度量的平均化方法。宏平均:每个类的权重相等
微平均:每个例子权重相等
一般来说,对于不平衡数据集来说,宏平均是首选的。
翻译:风一样的男子
![](http://img.e-com-net.com/image/info10/606e9667e5a9486b889c11005ec7a8b8.jpg)
如果您觉得我的文章给了您帮助,请为我买一杯饮料吧!以下是我的支付宝,意思一下我将非常感激!
![](http://img.e-com-net.com/image/info10/ac494219844241b8baf03e1f5d1ae0c0.jpg)