tf.keras.metrics.F1Score
Вычисляет F-меру.
Наследует: FBetaScore, Metric
tf.keras.metrics.F1Score(
average=None, threshold=None, name='f1_score', dtype=None
)
Формула:
f1_score = 2 * (precision * recall) / (precision + recall)
Это среднее гармоническое точности и полноты. Диапазон выходных значений — [0, 1]. Метрика подходит как для многоклассовой классификации, так и для классификации с несколькими метками.
| Аргументы | |
|---|---|
average | Тип усреднения, применяемого к данным. Допустимые значения: None, "micro", "macro" и "weighted". По умолчанию — None. Если задано None, усреднение не выполняется, и result() возвращает оценку для каждого класса. Если задано "micro", метрики вычисляются глобально путем подсчета общего количества истинно положительных, ложно отрицательных и ложно положительных результатов. Если задано "macro", метрики вычисляются для каждой метки, а затем возвращается их невзвешенное среднее. При этом дисбаланс меток не учитывается. Если задано "weighted", метрики вычисляются для каждой метки, а затем возвращается их среднее, взвешенное по поддержке (количеству истинных экземпляров для каждой метки). Это изменяет "macro" с учетом дисбаланса меток. В результате оценка может оказаться за пределами диапазона между точностью и полнотой. |
threshold | Элементы y_pred, превышающие threshold, преобразуются в 1, остальные — в 0. Если threshold равно None, argmax для y_pred преобразуется в 1, остальные значения — в 0. |
name | Необязательное строковое имя экземпляра метрики. |
dtype | Необязательный тип данных результата метрики. |
| Возвращает | |
|---|---|
| F-мера: число с плавающей точкой. |
Пример:
metric = keras.metrics.F1Score(threshold=0.5)
y_true = np.array([[1, 1, 1],
[1, 0, 0],
[1, 1, 0]], np.int32)
y_pred = np.array([[0.2, 0.6, 0.7],
[0.2, 0.6, 0.6],
[0.6, 0.8, 0.0]], np.float32)
metric.update_state(y_true, y_pred)
result = metric.result()
array([0.5 , 0.8 , 0.6666667], dtype=float32)| Атрибуты | |
|---|---|
dtype | |
variables | |
Методы
add_variable
add_variable(
shape, initializer, dtype=None, aggregation='sum', name=None
)
add_weight
add_weight(
shape=(), initializer=None, dtype=None, name=None
)
from_config
@classmethod
from_config(
config
)
get_config
get_config()
Возвращает сериализуемую конфигурацию метрики.
reset_state
reset_state()
Сбрасывает все переменные состояния метрики.
Эта функция вызывается между эпохами и шагами, когда метрика вычисляется в процессе обучения.
result
result()
Вычисляет текущее значение метрики.
| Возвращает | |
|---|---|
| Скалярный тензор или словарь скалярных тензоров. |
stateless_reset_state
stateless_reset_state()
stateless_result
stateless_result(
metric_variables
)
stateless_update_state
stateless_update_state(
metric_variables, *args, **kwargs
)
update_state
update_state(
y_true, y_pred, sample_weight=None
)
Накапливает статистику для метрики.
__call__
__call__(
*args, **kwargs
)
Вызывает self как функцию.
© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/keras/metrics/F1Score
