ClassifierMeasurementsObject

ClassifierMeasurementsObject[…]

ClassifierMeasurementsによって生成された，特性に適用可能なオブジェクトを表す．

詳細とオプション

  • ClassifierMeasurementsObjectからの特性 prop の検索にはClassifierMeasurementsObject[…][prop]が使われる．
  • ClassifierMeasurementsObject[…][{prop1,prop2,…}]を使って多くの特性を検索することができる．
  • ClassifierMeasurementsObject[…][prop,opts]は，検定集合に適用される場合に分類器がオプション opts を使うように指定する．これらのオプションはClassifierMeasurementsに与えられたもとのオプションに優先する．
  • 使用可能なオプションはClassifierFunction[…]で与えられるものに次を加えたものである．
  • ComputeUncertaintyFalse値をその統計的不確実性とともに与えるかどうか
  • ComputeUncertaintyTrueの設定のとき，数値評価測度値はAround[result,err]として与えられる．err は測定結果 result に関連付けられた（68%信頼区間に相当する）標準誤差を表す．
  • 次は，検定集合について分類能力に関連した単一の数値を返す特性である．
  • "Accuracy"正しく分類された例の割合
    "Accuracy"nトップ n 確度
    "AccuracyBaseline"最頻クラスを予測している場合の確度
    "CohenKappa"コーエン(Cohen)のカッパ係数
    "Error"間違って分類された例の割合
    "GeometricMeanProbability"実際のクラス確率の幾何平均
    "LogLikelihood"検定集合が与えられた場合のモデルの対数尤度
    "MeanCrossEntropy"検定例についての平均クロスエントロピー
    "MeanDecisionUtility"検定例についての平均効用
    "Perplexity"平均クロスエントロピーの指数
    "ScottPi"スコット(Scott)のパイ係数
    "RejectionRate"Indeterminateとして分類された例の割合
  • Indeterminateと分類された検定例は，"Accuracy"，"Error"，"MeanCrossEntropy"のような，検定集合についての検定能力に関連した特性を計測する際には破棄される．
  • 次は，混同行列に関連した特性である．
  • "ConfusionMatrix"クラス j として分類されたクラス i の例の数 cij
    "ConfusionMatrixPlot"混同行列のプロット
    "ConfusionMatrixPlot"{c1,c2,…}クラス c1，c2等に限定された混同行列プロット
    "ConfusionMatrixPlot"n最低の n のクラスの部分集合についての混同行列プロット
    "ConfusionFunction"混同行列の値を与える関数
    "TopConfusions"最も混同されたクラスのペア
    "TopConfusions"n最も混同されたクラスの n 組のペア
  • 次は，時間に関連した特性である．
  • "EvaluationTime"検定集合の1つの例を分類するのにかかった時間
    "BatchEvaluationTime"バッチの1つの例を分類するための限界時間
  • 次は，各検定集合例に対して1つの値を返す特性である．
  • "DecisionUtilities"各例についての効用関数の値
    "Probabilities"各例についての実クラス分類確率
    "SHAPValues"各例についてのシャープレイ加算特徴の説明
  • "SHAPValues"は，さまざまな特徴を削除し次に合成した結果の予測を比較することで特徴の貢献度を評価する．オプションMissingValueSynthesisを使って欠測値を合成する方法が指定できる．SHAPの説明は，事前のクラスの訓練に関するオッズ比乗数として示される．"SHAPValues"n を使ってSHAPの説明の数値推定に使われるサンプル数が制御できる．
  • 次は，確率検量に関連した特性である．
  • "CalibrationCurve"ロジットスケールの確率検量線
    "LinearCalibrationCurve"線形スケールの確率検量線
    "CalibrationData"確率検量線データ
  • 次は，グラフィックスを返す特性である．
  • "Report"主な測定値をレポートするパネル
    "ROCCurve"各クラスの受信者動作特性曲線
    "ProbabilityHistogram"実クラス確率のヒストグラム
    "AccuracyRejectionPlot"棄却率の関数としての確度のプロット
    "ReliabilityDiagram"ロジットスケールの確率検量線
    "ClassicReliabilityDiagram"線形スケールの確率検量線
  • 次は，検定集合からの例を返す特性である．
  • "Examples"すべての検定例
    "Examples"{i,j}クラス j として分類されたクラス i のすべての例
    "BestClassifiedExamples"実クラス確率が最高の例
    "WorstClassifiedExamples"実クラス確率が最低の例
    "CorrectlyClassifiedExamples"正しく分類された例
    "MisclassifiedExamples"誤って分類された例
    "TruePositiveExamples"各クラスの真陽性検定例
    "FalsePositiveExamples"各クラスの偽陽性検定例
    "TrueNegativeExamples"各クラスの真陰性検定例
    "FalseNegativeExamples"各クラスの偽陰性検定例
    "IndeterminateExamples"Indeterminateとして分類された検定例
    "LeastCertainExamples"分布エントロピーが最高の例
    "MostCertainExamples"分布エントロピーが最低の例
  • 例は inputiclassiの形で与えられる．ここで，classiは検定集合からの実際のクラスである．
  • "WorstClassifiedExamples"や"MostCertainExamples"のような特性は10例まで出力する．ClassifierMeasurementsObject[…][propn]を使って出力数を n 例に指定することができる．
  • 次は，各クラスに対して1つの値を返す特性である．
  • "AreaUnderROCCurve"各クラスのROC曲線の下の面積
    "ClassMeanCrossEntropy"各クラスの平均クロスエントロピー
    "ClassRejectionRate"各クラスの棄却率
    "F1Score"各クラスのF1スコア
    "FalseDiscoveryRate"各クラス偽発見率
    "FalseNegativeRate"各クラスの偽陰性率
    "FalsePositiveRate"各クラスの偽陽性率
    "MatthewsCorrelationCoefficient"各クラスのマシュー相関係数
    "NegativePredictiveValue"各クラスについての陰性的中率
    "Precision"各クラスについての分類精度
    "Recall"各クラスの分類の再現率
    "Specificity"各クラスの特殊性
    "TruePositiveNumber"真陽性例の数
    "FalsePositiveNumber"偽陽性例の数
    "TrueNegativeNumber"真陰性例の数
    "FalseNegativeNumber"偽陰性例の数
  • ClassifierMeasurementsObject[…][propclass]を使って指定されたクラスに関連付けられた値だけを返すことができる．
  • ClassifierMeasurementsObject[…][prop<|class1w1,class2w2,…|>]を使って各クラスの値の重み付き平均を返すことができる．
  • ClassifierMeasurementsObject[…][propf]を使って関数 f を返されたクラスの値に適用することができる（例：ClassifierMeasurementsObject[…][propMean]）．
  • "Precision"や"Recall"等の特性は可能な各「陽性クラス」に対して1つの値を与える．「陰性クラス」は陽性クラスではないすべてのクラスの和集合である．そのような特性については，ClassifierMeasurementsObject[…][propaverage]を使って，average が以下である場合に，可能なすべての陽性クラスの値を平均することができる．
  • "MacroAverage"評価測度の平均を取る
    "WeightedMacroAverage"各評価測度値に関連するクラス頻度で重みを付ける
    "MicroAverage"全クラスの真陽性／真陰性等の例を連結して一意的な評価測度を与える
  • 次は，その他の特性である．
  • "ClassifierFunction"測定されているClassifierFunction[…]
    "Properties"使用可能な評価測度特性のリスト

例題

例  (1)

訓練集合と検定集合を定義する：

訓練集合についての分類器を作る：

分類器のClassifierMeasurementsObjectを検定集合とともに生成する：

ClassifierMeasurementsObjectから確度およびFスコアを測定し，混同行列をプロットする：

Wolfram Research (2015), ClassifierMeasurementsObject, Wolfram言語関数， https://reference.wolfram.com/language/ref/ClassifierMeasurementsObject.html （2020年に更新）.

テキスト

Wolfram Research (2015), ClassifierMeasurementsObject, Wolfram言語関数， https://reference.wolfram.com/language/ref/ClassifierMeasurementsObject.html （2020年に更新）.

CMS

Wolfram Language. 2015. "ClassifierMeasurementsObject." Wolfram Language & System Documentation Center. Wolfram Research. Last Modified 2020. https://reference.wolfram.com/language/ref/ClassifierMeasurementsObject.html.

APA

Wolfram Language. (2015). ClassifierMeasurementsObject. Wolfram Language & System Documentation Center. Retrieved from https://reference.wolfram.com/language/ref/ClassifierMeasurementsObject.html

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: 21-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: 21-November-2024 ]}