tf.contrib.metrics.streaming_sparse_recall_at_k

Вычисляет recall@k прогнозов относительно разреженных меток.

tf.contrib.metrics.streaming_sparse_recall_at_k(
    predictions, labels, k, class_id=None, weights=None, metrics_collections=None,
    updates_collections=None, name=None
)

Если class_id не указано, мы вычислим recall как отношение истинных положительных результатов (т.е., правильных прогнозов, элементов в верхней k наибольших predictions, которые находятся в соответствующей строке в labels) к фактическим положительным результатам (вся labels строка). Если class_id указано, мы вычисляем recall, рассматривая только строки в пакете, для которых class_id находится в labels, и вычисляя долю из них, для которых class_id находится в соответствующей строке в labels.

streaming_sparse_recall_at_k создаёт две локальные переменные, true_positive_at_<k> и false_negative_at_<k>, которые используются для вычисления частоты recall_at_k. Эта частота в конечном итоге возвращается как recall_at_<k>: идемпотентная операция, которая просто делит true_positive_at_<k> на сумму (true_positive_at_<k> + false_negative_at_<k>).

Для оценки метрики по потоку данных функция создаёт update_op операцию, которая обновляет эти переменные и возвращает recall_at_<k>. Внутри top_k операция вычисляет Tensor, указывающую на верхние k predictions. Операции над множествами, применяемые к top_k и labels, вычисляют истинные положительные и ложные отрицательные результаты, взвешенные по weights. Затем update_op увеличивает true_positive_at_<k> и false_negative_at_<k> с использованием этих значений.

Если weights равно None, веса по умолчанию равны 1. Используйте веса 0 для маскирования значений.