FMClassificationSummary ¶

class pyspark.ml.classification. FMClassificationSummary ( java_obj : Optional [ JavaObject ] = None ) [source] ¶

给定模型的FMClassifier结果的抽象表示。

新增于版本 3.1.0。

方法

`fMeasureByLabel` ([beta])	返回每个标签（类别）的F值。
`weightedFMeasure` ([beta])	返回加权平均的F值。

属性

`准确率`	返回准确率。
`areaUnderROC`	计算接收者操作特征（ROC）曲线下的面积。
`fMeasureByThreshold`	返回一个包含两个字段（阈值，F-Measure）的数据框，beta = 1.0。
`falsePositiveRateByLabel`	返回每个标签（类别）的假正率。
`labelCol`	“predictions”字段，用于给出每个实例的真实标签。
`标签`	返回按升序排列的标签序列。
`pr`	返回精确召回曲线，这是一个包含两个字段 recall 和 precision 的 DataFrame，并在其开头添加了 (0.0, 1.0)。
`precisionByLabel`	返回每个标签（类别）的精确度。
`precisionByThreshold`	返回一个包含两个字段（阈值，精度）曲线的数据框。
`predictionCol`	“predictions”字段，用于给出每个类别的预测结果。
`预测`	模型 transform 方法输出的数据框。
`recallByLabel`	返回每个标签（类别）的召回率。
`recallByThreshold`	返回一个包含两个字段（阈值，召回率）曲线的数据框。
`roc`	返回接收者操作特征（ROC）曲线，这是一个包含两个字段（FPR，TPR）的DataFrame，并在其开头添加（0.0，0.0）和在末尾添加（1.0，1.0）。
`scoreCol`	“predictions”字段，提供每个类别的概率或原始预测作为向量。
`truePositiveRateByLabel`	返回每个标签（类别）的真阳性率。
`weightCol`	“predictions”字段中，给出每个实例权重作为向量的字段。
`加权假正率`	返回加权假正率。
`加权精度`	返回加权平均精度。
`加权召回率`	返回加权平均召回率。
`加权真阳性率`	返回加权真阳性率。

方法文档

fMeasureByLabel ( beta : float = 1.0 ) → List [ float ] ¶: 返回每个标签（类别）的F值。

新增于版本 3.1.0。

weightedFMeasure ( beta : float = 1.0 ) → float ¶: 返回加权平均的F值。

新增于版本 3.1.0。

属性文档

accuracy ¶: 返回准确率。（等于正确分类的实例总数除以实例总数。）

新增于版本 3.1.0。

areaUnderROC ¶: 计算接收者操作特征（ROC）曲线下面积。

新增于版本 3.1.0。

fMeasureByThreshold ¶: 返回一个包含两个字段（阈值，F-Measure）曲线的数据框，其中beta = 1.0。

新增于版本 3.1.0。

falsePositiveRateByLabel ¶: 返回每个标签（类别）的假正率。

新增于版本 3.1.0。

labelCol ¶: “predictions”字段中给出每个实例的真实标签。

新增于版本 3.1.0。

labels ¶

返回按升序排列的标签序列。此顺序与以标签数组形式指定的度量标准中使用的顺序相匹配，例如 truePositiveRateByLabel。

新增于版本 3.1.0。

注释

在大多数情况下，它将是值 {0.0, 1.0, …, numClasses-1}。然而，如果训练集缺少一个标签，那么所有基于标签的数组（例如，来自 truePositiveRateByLabel）的长度将是 numClasses-1，而不是预期的 numClasses。

pr ¶: 返回精确召回曲线，这是一个包含两个字段 recall、precision 的 Dataframe，并在其开头添加了 (0.0, 1.0)。

新增于版本 3.1.0。

precisionByLabel ¶: 返回每个标签（类别）的精确度。

新增于版本 3.1.0。

precisionByThreshold ¶: 返回一个包含两个字段（阈值, 精度）曲线的数据框。在转换数据集时获得的所有可能概率都用作计算精度的阈值。

新增于版本 3.1.0。

predictionCol ¶: “predictions”字段，用于给出每个类别的预测结果。

新增于版本 3.1.0。

predictions ¶: 模型 transform 方法输出的数据框。

新增于版本 3.1.0。

recallByLabel ¶: 返回每个标签（类别）的召回率。

新增于版本 3.1.0。

recallByThreshold ¶: 返回一个包含两个字段（阈值，召回率）曲线的数据框。在转换数据集时获得的所有可能概率都用作计算召回率的阈值。

新增于版本 3.1.0。

roc ¶

返回接收者操作特征（ROC）曲线，这是一个包含两个字段（FPR, TPR）的DataFrame，并在其开头添加(0.0, 0.0)，在末尾添加(1.0, 1.0)。

新增于版本 3.1.0。

注释

维基百科参考

scoreCol ¶: “predictions”字段，提供每个类别的概率或原始预测作为向量。

新增于版本 3.1.0。

truePositiveRateByLabel ¶: 返回每个标签（类别）的真阳性率。

新增于版本 3.1.0。

weightCol ¶: “predictions”字段中，给出每个实例权重作为向量的字段。

新增于版本 3.1.0。

weightedFalsePositiveRate ¶: 返回加权假正率。

新增于版本 3.1.0。

weightedPrecision ¶: 返回加权平均精度。

新增于版本 3.1.0。

weightedRecall ¶: 返回加权平均召回率。（等于精确率、召回率和F值）

新增于版本 3.1.0。

weightedTruePositiveRate ¶: 返回加权真阳性率。（等于精确率、召回率和F值）

新增于版本 3.1.0。

FM分类模型

FM分类训练总结