tf.compat.v1.metrics.precision_at_k

Вычисляет точность@k предсказаний по отношению к разреженным меткам.

tf.compat.v1.metrics.precision_at_k(
    labels,
    predictions,
    k,
    class_id=None,
    weights=None,
    metrics_collections=None,
    updates_collections=None,
    name=None
)

Если class_id указано, мы вычисляем точность, учитывая только записи в пакете, для которых class_id находится в числе k наибольших predictions, и вычисляем долю таких записей, для которых class_id является правильной меткой. Если class_id не указано, мы вычислим точность как частоту, с которой в среднем метка среди k классов с наибольшими предсказанными значениями для записи в пакете является правильной и может быть найдена в метке для этой записи.

precision_at_k создает две локальные переменные, true_positive_at_<k> и false_positive_at_<k>, которые используются для вычисления частоты точности@k. Эта частота в конечном итоге возвращается как precision_at_<k>: идемпотентная операция, которая просто делит true_positive_at_<k> на сумму true_positive_at_<k> и false_positive_at_<k>.

Для оценки метрики по потоку данных функция создает операцию update_op, которая обновляет эти переменные и возвращает precision_at_<k>. Внутренне, операция top_k вычисляет операцию Tensor, указывающую k наибольших k predictions. Операции над множествами, примененные к top_k и labels, вычисляют значения истинно-положительных и ложно-положительных, взвешенные по весам weights. Затем update_op увеличивает значения true_positive_at_<k> и false_positive_at_<k>, используя эти значения.

Если weights равно None, веса по умолчанию равны 1. Используйте веса 0 для маскирования значений.