tf.contrib.estimator.poisson_regression_head

Создаёт _Head для регрессии Пуассона, используя tf.nn.log_poisson_loss.

tf.contrib.estimator.poisson_regression_head(
    weight_column=None, label_dimension=1,
    loss_reduction=losses.Reduction.SUM_OVER_BATCH_SIZE, compute_full_loss=True,
    name=None
)

Функция потерь представляет собой взвешенную сумму по всем измерениям входных данных. Иными словами, если входные метки имеют размер [batch_size, label_dimension], функция потерь является взвешенной суммой по batch_size и label_dimension.

Этот head ожидает logits с размером [D0, D1, ... DN, label_dimension]. Во многих приложениях размер равен [batch_size, label_dimension].

Размер labels должен соответствовать размеру logits, а именно [D0, D1, ... DN, label_dimension]. Если label_dimension=1, также поддерживается размер [D0, D1, ... DN].

Если указаны weight_column, веса должны иметь размер [D0, D1, ... DN], [D0, D1, ... DN, 1] или [D0, D1, ... DN, label_dimension].

Реализация выполняется как обобщённая линейная модель, см. https://en.wikipedia.org/wiki/Generalized_linear_model

Head может быть использован с готовым estimator. Пример:

my_head = tf.contrib.estimator.poisson_regression_head()
my_estimator = tf.estimator.DNNEstimator(
    head=my_head,
    hidden_units=...,
    feature_columns=...)

Он также может быть использован с настраиваемым model_fn. Пример:

def _my_model_fn(features, labels, mode):
  my_head = tf.contrib.estimator.poisson_regression_head()
  logits = tf.keras.Model(...)(features)

  return my_head.create_estimator_spec(
      features=features,
      mode=mode,
      labels=labels,
      optimizer=tf.AdagradOptimizer(learning_rate=0.1),
      logits=logits)

my_estimator = tf.estimator.Estimator(model_fn=_my_model_fn)