tf.keras.metrics.FBetaScore
Вычисляет показатель F-бета.
Наследуется от: Metric
tf.keras.metrics.FBetaScore(
average=None,
beta=1.0,
threshold=None,
name='fbeta_score',
dtype=None
)
Формула:
b2 = beta ** 2 f_beta_score = (1 + b2) * (precision * recall) / (precision * b2 + recall)
Это взвешенное гармоническое среднее значение точности и полноты. Диапазон его значений — [0, 1]. Он работает как для многоклассовой, так и для многомерной классификации.
| Аргументы | |
|---|---|
average | Тип усреднения, применяемого к результатам по классам в случае многоклассовой классификации. Допустимые значения — None, "micro", "macro" и "weighted". По умолчанию — None. Если None, усреднение не выполняется, и result() вернёт показатель для каждого класса. Если "micro", метрики вычисляются глобально, подсчитывая общее количество истинных положительных, ложных отрицательных и ложных положительных значений. Если "macro", метрики вычисляются для каждого метки и возвращается их невзвешенное среднее. Это не учитывает дисбаланс меток. Если "weighted", метрики вычисляются для каждого метки и возвращается их среднее значение, взвешенное по поддержке (количество истинных экземпляров для каждого метки). Это изменяет "macro", чтобы учесть дисбаланс меток. Это может привести к значению показателя, которое не находится между точностью и полнотой. |
beta | Определяет вес, придаваемый полноте в гармоническом среднем между точностью и полнотой (см. псевдокод уравнения выше). По умолчанию — 1. |
threshold | Элементы y_pred, превышающие threshold, преобразуются в 1, а остальные — в 0. Если threshold — 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 | |
|---|---|
| Показатель F-бета: число с плавающей точкой. |
Пример:
metric = keras.metrics.FBetaScore(beta=2.0, 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()
result
[0.3846154 , 0.90909094, 0.8333334 ]| 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()
Сбросить все переменные состояния метрики.
Эта функция вызывается между эпохами/шагами, когда метрика оценивается во время обучения.
result
result()
Вычислить текущее значение метрики.
| Возвращаемое значение | |
|---|---|
| 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
)
Накопить статистику для метрики.
__call__
__call__(
*args, **kwargs
)
Вызвать 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/FBetaScore
