tf.keras.metrics.Recall

Вычисляет полноту прогнозов относительно меток.

Наследуется от: Metric

tf.keras.metrics.Recall(
    thresholds=None, top_k=None, class_id=None, name=None, dtype=None
)

Используется в ноутбуках

Используется в учебниках
Классификация на несбалансированных данных Эффективное с точки зрения клиентов обучение больших моделей на основе федерации с помощью `federated_select` и разреженной агрегации

Этот метрический показатель создаёт две локальные переменные, true_positives и false_negatives, которые используются для вычисления полноты. Это значение в конечном итоге возвращается как recall, идемпотентная операция, которая просто делит true_positives на сумму true_positives и false_negatives.

Если sample_weight равно None, веса по умолчанию равны 1. Используйте sample_weight значения 0 для маскировки значений.

Если top_k установлено, полнота будет вычисляться как частота, с которой в среднем класс среди меток записи пакета содержится в прогнозах в верхних k позициях.

Если class_id указано, мы вычисляем полноту, рассматривая только записи в пакете, для которых class_id находится в метке, и вычисляя долю из них, для которых class_id находится выше порога и/или в прогнозах в верхних k позициях.

Аргументы
`thresholds`	(Необязательно) Вещественное значение или список/кортеж Python вещественных значений пороговых значений в `[0, 1]`. Порог сравнивается со значениями прогнозов для определения истинности прогнозов (т. е., выше порога - `True`, ниже - `False`). Если используется функция потерь, которая устанавливает `from_logits=True` (т. е. к прогнозам не применяется сигмоид), `thresholds` должно быть установлено в 0. Для каждого значения порога генерируется одно значение метрики. Если ни `thresholds`, ни `top_k` не установлены, по умолчанию вычисляется полнота с `thresholds=0.5`.
`top_k`	(Необязательно) По умолчанию не установлено. Целочисленное значение, определяющее прогнозы в верхних k позициях для учёта при вычислении полноты.
`class_id`	(Необязательно) Целочисленный идентификатор класса, для которого требуются бинарные метрики. Он должен находиться в полуоткрытом интервале `[0, num_classes)`, где `num_classes` - это последняя размерность прогнозов.
`name`	(Необязательно) Имя строки экземпляра метрики.
`dtype`	(Необязательно) Тип данных результата метрики.

Пример:

m = keras.metrics.Recall()
m.update_state([0, 1, 1, 1], [1, 0, 1, 1])
m.result()
0.6666667

m.reset_state()
m.update_state([0, 1, 1, 1], [1, 0, 1, 1], sample_weight=[0, 0, 1, 0])
m.result()
1.0

Использование с compile() API:

model.compile(optimizer='sgd',
              loss='binary_crossentropy',
              metrics=[keras.metrics.Recall()])

Использование с функцией потерь с from_logits=True:

model.compile(optimizer='adam',
              loss=keras.losses.BinaryCrossentropy(from_logits=True),
              metrics=[keras.metrics.Recall(thresholds=0)])

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()

Сбрасывает все переменные состояния метрики.

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

`result`

Просмотреть исходный код

result()

Вычисляет текущее значение метрики.

Возвращает
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
)

Накапливает статистику истинно-положительных и ложно-отрицательных результатов.

Аргументы
`y_true`	Значения фактической истинности с теми же размерами, что и `y_pred`. Будут преобразованы в `bool`.
`y_pred`	Предсказанные значения. Каждый элемент должен быть в диапазоне `[0, 1]`.
`sample_weight`	Необязательное взвешивание каждого примера. По умолчанию равно `1`. Может быть тензором, ранг которого равен 0 или такому же, как у `y_true`, и должен быть совместим с `y_true`.

`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/Recall