tf.keras.metrics.FBetaScore
Вычисляет оценку F-бета.
Наследует 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 точности и полноты. Диапазон выходных значений — [0, 1]. Подходит для многоклассовой классификации и классификации с несколькими метками.
| Аргументы | |
|---|---|
average | Тип усреднения результатов по классам в случае многоклассовой классификации. Допустимые значения: None, "micro", "macro" и "weighted". По умолчанию — None. Если задано None, усреднение не выполняется, а result() возвращает оценку для каждого класса. Если задано "micro", метрики вычисляются глобально путем подсчета общего числа истинно положительных, ложно отрицательных и ложно положительных результатов. Если задано "macro", метрики вычисляются для каждой метки, после чего возвращается их невзвешенное среднее. При этом дисбаланс меток не учитывается. Если задано "weighted", метрики вычисляются для каждой метки, после чего возвращается их среднее, взвешенное по поддержке (числу истинных экземпляров каждой метки). Это изменяет "macro" с учетом дисбаланса меток. В результате оценка может оказаться за пределами диапазона между точностью и полнотой. |
beta | Определяет вес полноты в гармоническом среднем точности и полноты (см. приведенное выше уравнение в псевдокоде). По умолчанию — 1. |
threshold | Элементы y_pred, превышающие threshold, преобразуются в 1, остальные — в 0. Если threshold равно None, аргмакс y_pred преобразуется в 1, а остальные значения — в 0. |
name | Необязательный параметр. Строковое имя экземпляра метрики. |
dtype | Необязательный параметр. Тип данных результата метрики. |
| Возвращает | |
|---|---|
| Оценка F-бета: число с плавающей запятой. |
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()
Сбрасывает все переменные состояния метрики.
Эта функция вызывается между эпохами и шагами, когда метрика вычисляется во время 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 объект 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
