MulticlassMetrics¶
-
类
pyspark.mllib.evaluation。
MulticlassMetrics
( predictionAndLabels:pyspark.rdd.RDD(元组(浮动,浮动]] ) ¶ -
评估者对多类分类。
- 参数
-
-
predictionAndLabels
pyspark.RDD
-
预测的抽样,标签,可选的重量和可选的概率。
-
predictionAndLabels
例子
> > >predictionAndLabels=sc。并行化(((0.0,0.0),(0.0,1.0),(0.0,0.0),…(1.0,0.0),(1.0,1.0),(1.0,1.0),(1.0,1.0),(2.0,2.0),(2.0,0.0)))> > >指标=MulticlassMetrics(predictionAndLabels)> > >指标。confusionMatrix()。toArray()数组([[2。1。,1.],(1。3。,0.],[0。,0。,1.]])> > >指标。falsePositiveRate(0.0)0.2……> > >指标。精度(1.0)0.75……> > >指标。回忆(2.0)1.0……> > >指标。fMeasure(0.0,2.0)0.52……> > >指标。精度0.66……> > >指标。weightedFalsePositiveRate0.19……> > >指标。weightedPrecision0.68……> > >指标。weightedRecall0.66……> > >指标。weightedFMeasure()0.66……> > >指标。weightedFMeasure(2.0)0.65……> > >predAndLabelsWithOptWeight=sc。并行化(((0.0,0.0,1.0),(0.0,1.0,1.0),…(0.0,0.0,1.0),(1.0,0.0,1.0),(1.0,1.0,1.0),(1.0,1.0,1.0),(1.0,1.0,1.0),…(2.0,2.0,1.0),(2.0,0.0,1.0)))> > >指标=MulticlassMetrics(predAndLabelsWithOptWeight)> > >指标。confusionMatrix()。toArray()数组([[2。1。,1.],(1。3。,0.],[0。,0。,1.]])> > >指标。falsePositiveRate(0.0)0.2……> > >指标。精度(1.0)0.75……> > >指标。回忆(2.0)1.0……> > >指标。fMeasure(0.0,2.0)0.52……> > >指标。精度0.66……> > >指标。weightedFalsePositiveRate0.19……> > >指标。weightedPrecision0.68……> > >指标。weightedRecall0.66……> > >指标。weightedFMeasure()0.66……> > >指标。weightedFMeasure(2.0)0.65……> > >predictionAndLabelsWithProbabilities=sc。并行化([…(1.0,1.0,1.0,(0.1,0.8,0.1]),(0.0,2.0,1.0,(0.9,0.05,0.05]),…(0.0,0.0,1.0,(0.8,0.2,0.0]),(1.0,1.0,1.0,(0.3,0.65,0.05))))> > >指标=MulticlassMetrics(predictionAndLabelsWithProbabilities)> > >指标。logLoss()0.9682……
方法
调用
(名字,*一个)调用的方法java_model
返回混淆矩阵:预测类列,他们命令类标签提升,如“标签”。
fMeasure
(标签(β))返回f-measure。
返回假阳性率为给定的标签(类别)。
logLoss
((eps))返回加权logLoss。
精度
(标签)返回精度。
回忆
(标签)返回召回。
truePositiveRate
(标签)返回true积极率对于一个给定的标签(类别)。
weightedFMeasure
([测试])加权平均f-measure回报。
属性
返回精度(等于正确的总数分类实例的实例)的总数。
返回加权假阳性率。
返回加权平均精度。
返回加权平均召回。
返回加权真阳性率。
方法的文档
-
调用
( 的名字:str,*一个:任何 )→任何¶ -
调用的方法java_model
-
confusionMatrix
( )→pyspark.mllib.linalg.Matrix ¶ -
返回混淆矩阵:预测类列,他们命令类标签提升,如“标签”。
-
fMeasure
( 标签:浮动,β:可选(浮动]=没有一个 )→浮动¶ -
返回f-measure。
-
falsePositiveRate
( 标签:浮动 )→浮动¶ -
返回假阳性率为给定的标签(类别)。
-
logLoss
( 每股收益:浮动=1 e15汽油 )→浮动¶ -
返回加权logLoss。
-
精度
( 标签:浮动 )→浮动¶ -
返回精度。
-
回忆
( 标签:浮动 )→浮动¶ -
返回召回。
-
truePositiveRate
( 标签:浮动 )→浮动¶ -
返回true积极率对于一个给定的标签(类别)。
-
weightedFMeasure
( β:可选(浮动]=没有一个 )→浮动¶ -
加权平均f-measure回报。
属性的文档
-
精度
¶ -
返回精度(等于正确的总数分类实例的实例)的总数。
-
weightedFalsePositiveRate
¶ -
返回加权假阳性率。
-
weightedPrecision
¶ -
返回加权平均精度。
-
weightedRecall
¶ -
返回加权平均召回。(等于精度、召回和f-measure)
-
weightedTruePositiveRate
¶ -
返回加权真阳性率。(等于精度、召回和f-measure)