Модуль: tf.keras.metrics

НЕ РЕДАКТИРОВАТЬ.

Этот файл создан автоматически. Не редактируйте его вручную, так как ваши изменения будут перезаписаны.

Классы

class AUC: Приближённо вычисляет AUC (площадь под кривой) для ROC- или PR-кривых.

class Accuracy: Вычисляет, как часто предсказания совпадают с метками.

class BinaryAccuracy: Вычисляет, как часто предсказания совпадают с бинарными метками.

class BinaryCrossentropy: Вычисляет метрику кросс-энтропии между метками и предсказаниями.

class BinaryIoU: Вычисляет метрику Intersection-Over-Union для класса 0 и/или 1.

class CategoricalAccuracy: Вычисляет, как часто предсказания совпадают с метками в формате one-hot.

class CategoricalCrossentropy: Вычисляет метрику кросс-энтропии между метками и предсказаниями.

class CategoricalHinge: Вычисляет категориальную метрику hinge между y_true и y_pred.

class CosineSimilarity: Вычисляет косинусное сходство между метками и предсказаниями.

class F1Score: Вычисляет оценку F-1.

class FBetaScore: Вычисляет оценку F-бета.

class FalseNegatives: Вычисляет количество ложноотрицательных результатов.

class FalsePositives: Вычисляет количество ложноположительных результатов.

class Hinge: Вычисляет метрику hinge между y_true и y_pred.

class IoU: Вычисляет метрику Intersection-Over-Union для заданных целевых классов.

class KLDivergence: Вычисляет метрику расхождения Кульбака — Лейблера между y_true и y_pred.

class LogCoshError: Вычисляет логарифм гиперболического косинуса ошибки предсказания.

class Mean: Вычисляет (взвешенное) среднее заданных значений.

class MeanAbsoluteError: Вычисляет среднюю абсолютную ошибку между метками и предсказаниями.

class MeanAbsolutePercentageError: Вычисляет среднюю абсолютную процентную ошибку между y_true и y_pred.

class MeanIoU: Вычисляет метрику Intersection-Over-Union, усреднённую по классам.

class MeanMetricWrapper: Оборачивает функцию метрики без состояния в метрику Mean.

class MeanSquaredError: Вычисляет среднеквадратичную ошибку между y_true и y_pred.

class MeanSquaredLogarithmicError: Вычисляет среднюю квадратичную логарифмическую ошибку между y_true и y_pred.

class Metric: Инкапсулирует логику и состояние метрики.

class OneHotIoU: Вычисляет метрику Intersection-Over-Union для меток, закодированных в формате one-hot.

class OneHotMeanIoU: Вычисляет среднюю метрику Intersection-Over-Union для меток, закодированных в формате one-hot.

class Poisson: Вычисляет метрику Пуассона между y_true и y_pred.

class Precision: Вычисляет точность предсказаний относительно меток.

class PrecisionAtRecall: Вычисляет максимальную точность при полноте >= заданного значения.

class R2Score: Вычисляет оценку R2.

class Recall: Вычисляет полноту предсказаний относительно меток.

class RecallAtPrecision: Вычисляет максимальную полноту при точности >= заданного значения.

class RootMeanSquaredError: Вычисляет метрику среднеквадратичной ошибки между y_true и y_pred.

class SensitivityAtSpecificity: Вычисляет максимальную чувствительность при специфичности >= заданного значения.

class SparseCategoricalAccuracy: Вычисляет, как часто предсказания совпадают с целочисленными метками.

class SparseCategoricalCrossentropy: Вычисляет метрику кросс-энтропии между метками и предсказаниями.

class SparseTopKCategoricalAccuracy: Вычисляет, как часто целочисленные целевые значения входят в число K наиболее вероятных предсказаний.

class SpecificityAtSensitivity: Вычисляет максимальную специфичность при чувствительности >= заданного значения.

class SquaredHinge: Вычисляет метрику hinge между y_true и y_pred.

class Sum: Вычисляет (взвешенную) сумму заданных значений.

class TopKCategoricalAccuracy: Вычисляет, как часто целевые значения входят в число K наиболее вероятных предсказаний.

class TrueNegatives: Вычисляет количество истинно отрицательных результатов.

class TruePositives: Вычисляет количество истинно положительных результатов.

Функции

KLD(...): Вычисляет функцию потерь на основе расхождения Кульбака — Лейблера между y_true & y_pred.

MAE(...): Вычисляет среднюю абсолютную ошибку между метками и предсказаниями.

MAPE(...): Вычисляет среднюю абсолютную процентную ошибку между y_true & y_pred.

MSE(...): Вычисляет среднеквадратичную ошибку между метками и предсказаниями.

MSLE(...): Вычисляет среднюю квадратичную логарифмическую ошибку между y_true & y_pred.

binary_accuracy(...)

binary_crossentropy(...): Вычисляет функцию потерь на основе бинарной кросс-энтропии.

binary_focal_crossentropy(...): Вычисляет функцию потерь на основе бинарной фокальной кросс-энтропии.

categorical_accuracy(...)

categorical_crossentropy(...): Вычисляет функцию потерь на основе категориальной кросс-энтропии.

categorical_focal_crossentropy(...): Вычисляет функцию потерь на основе категориальной фокальной кросс-энтропии.

categorical_hinge(...): Вычисляет категориальную функцию потерь hinge между y_true & y_pred.

deserialize(...): Десериализует сериализованный экземпляр класса/функции метрики.

get(...): Возвращает метрику Keras в виде экземпляра класса function/Metric.

hinge(...): Вычисляет функцию потерь hinge между y_true & y_pred.

huber(...): Вычисляет значение функции потерь Хьюбера.

kld(...): Вычисляет функцию потерь на основе расхождения Кульбака — Лейблера между y_true & y_pred.

kullback_leibler_divergence(...): Вычисляет функцию потерь на основе расхождения Кульбака — Лейблера между y_true & y_pred.

logcosh(...): Логарифм гиперболического косинуса ошибки предсказания.

mae(...): Вычисляет среднюю абсолютную ошибку между метками и предсказаниями.

mape(...): Вычисляет среднюю абсолютную процентную ошибку между y_true & y_pred.

mse(...): Вычисляет среднеквадратичную ошибку между метками и предсказаниями.

msle(...): Вычисляет среднюю квадратичную логарифмическую ошибку между y_true & y_pred.

poisson(...): Вычисляет функцию потерь Пуассона между y_true и y_pred.

serialize(...): Сериализует функцию метрики или экземпляр Metric.

sparse_categorical_accuracy(...)

sparse_categorical_crossentropy(...): Вычисляет функцию потерь на основе разреженной категориальной кросс-энтропии.

sparse_top_k_categorical_accuracy(...)

squared_hinge(...): Вычисляет квадратичную функцию потерь hinge между y_true & y_pred.

top_k_categorical_accuracy(...)