tf.keras.metrics.F1Score

Вычисляет F-меру.

Наследуется от: FBetaScore, Metric

tf.keras.metrics.F1Score(
    average=None, threshold=None, name='f1_score', dtype=None
)

Формула:

f1_score = 2 * (precision * recall) / (precision + recall)

Это гармоническое среднее значение точности и полноты. Диапазон её значений составляет [0, 1]. Она работает как для многоклассовой, так и для многометковой классификации.

Аргументы
`average`	Тип усреднения, который необходимо выполнить с данными. Допустимые значения: `None`, `"micro"`, `"macro"` и `"weighted"`. По умолчанию используется `None`. Если используется `None`, усреднение не выполняется, и `result()` вернет метрики для каждого класса. Если используется `"micro"`, метрики будут вычисляться глобально, считая общее количество истинно положительных, ложно-отрицательных и ложно-положительных значений. Если используется `"macro"`, метрики будут вычисляться для каждой метки и возвращать их невзвешенную среднюю. Это не учитывает дисбаланс меток. Если используется `"weighted"`, метрики будут вычисляться для каждой метки и возвращать их среднее значение, взвешенное по поддержке (количество истинно положительных значений для каждой метки). Это изменяет `"macro"`, чтобы учесть дисбаланс меток. Это может привести к значению метрики, которое не находится между точностью и полнотой.
`threshold`	Элементы `y_pred`, большие чем `threshold`, преобразуются в 1, а остальные — в 0. Если `threshold` равно `None`, то argmax от `y_pred` преобразуется в 1, а остальные — в 0.
`name`	Необязательно. Имя строки экземпляра метрики.
`dtype`	Необязательно. Тип данных результата метрики.

Возвращаемое значение
F-мера: float.

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`

Просмотреть исходный код

add_variable(
    shape, initializer, dtype=None, aggregation='sum', name=None
)

`add_weight`

Просмотреть исходный код

add_weight(
    shape=(), initializer=None, dtype=None, name=None
)

`from_config`

Просмотреть исходный код

@classmethod
from_config(
    config
)

`get_config`

Просмотреть исходный код

get_config()

Возвращает сериализуемую конфигурацию метрики.

`reset_state`

Просмотреть исходный код

reset_state()

Сбросить все переменные состояния метрики.

Эта функция вызывается между эпохами/шагами, когда метрика оценивается во время обучения.

`result`

Просмотреть исходный код

result()

Вычислить текущее значение метрики.

Возвращаемое значение
Скалярный тензор или словарь скалярных тензоров.

`stateless_reset_state`

Просмотреть исходный код

stateless_reset_state()

`stateless_result`

Просмотреть исходный код

stateless_result(
    metric_variables
)

`stateless_update_state`

Просмотреть исходный код

stateless_update_state(
    metric_variables, *args, **kwargs
)

`update_state`

Просмотреть исходный код

update_state(
    y_true, y_pred, sample_weight=None
)

Накопление статистики для метрики.

`call`

Просмотреть исходный код

__call__(
    *args, **kwargs
)

Вызов self как функции.

© 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