Модуль: tf.keras.metrics

Встроенные метрики.

Классы

class AUC: Вычисляет приблизительное значение AUC (площадь под кривой) с помощью суммы Римана.

class Accuracy: Вычисляет частоту совпадения предсказаний с метками.

class BinaryAccuracy: Вычисляет частоту совпадения предсказаний с метками.

class BinaryCrossentropy: Вычисляет метрику кроссэнтропии между метками и предсказаниями.

class CategoricalAccuracy: Вычисляет частоту совпадения предсказаний с метками.

class CategoricalCrossentropy: Вычисляет метрику кроссэнтропии между метками и предсказаниями.

class CategoricalHinge: Вычисляет метрику категориального шарнира между y_true и y_pred.

class CosineSimilarity: Вычисляет косинусное сходство между метками и предсказаниями.

class FalseNegatives: Вычисляет количество ложных отрицательных результатов.

class FalsePositives: Вычисляет количество ложных положительных результатов.

class Hinge: Вычисляет метрику шарнира между y_true и y_pred.

class KLDivergence: Вычисляет метрику расхождения Кульбака-Лейблера между y_true и y_pred.

class LogCoshError: Вычисляет логарифм гиперболического косинуса ошибки предсказания.

class Mean: Вычисляет (взвешенное) среднее значение заданных значений.

class MeanAbsoluteError: Вычисляет среднюю абсолютную ошибку между метками и предсказаниями.

class MeanAbsolutePercentageError: Вычисляет среднюю абсолютную процентную ошибку между y_true и y_pred.

class MeanIoU: Вычисляет метрику среднего пересечения по объединению.

class MeanRelativeError: Вычисляет среднюю относительную ошибку, нормируя с заданными значениями.

class MeanSquaredError: Вычисляет среднеквадратическую ошибку между y_true и y_pred.

class MeanSquaredLogarithmicError: Вычисляет среднеквадратическую логарифмическую ошибку между y_true и y_pred.

class MeanTensor: Вычисляет поэлементное (взвешенное) среднее значение заданных тензоров.

class Metric: Оборачивает логику и состояние метрики.

class Poisson: Вычисляет метрику Пуассона между y_true и y_pred.

class Precision: Вычисляет точность предсказаний по отношению к меткам.

class Recall: Вычисляет полноту предсказаний по отношению к меткам.

class RootMeanSquaredError: Вычисляет метрику корня из средней квадратичной ошибки между y_true и y_pred.

class SensitivityAtSpecificity: Вычисляет чувствительность при заданной специфичности.

class SparseCategoricalAccuracy: Вычисляет частоту совпадения предсказаний с целочисленными метками.

class SparseCategoricalCrossentropy: Вычисляет метрику кроссэнтропии между метками и предсказаниями.

class SparseTopKCategoricalAccuracy: Вычисляет частоту попадания целочисленных целевых значений в топ-K предсказаний.

class SpecificityAtSensitivity: Вычисляет специфичность при заданной чувствительности.

class SquaredHinge: Вычисляет метрику квадрата шарнира между y_true и y_pred.

class Sum: Вычисляет (взвешенную) сумму заданных значений.

class TopKCategoricalAccuracy: Вычисляет частоту попадания целевых значений в топ-K предсказаний.

class TrueNegatives: Вычисляет количество истинных отрицательных результатов.

class TruePositives: Вычисляет количество истинных положительных результатов.

Функции

KLD(...): Вычисляет потерю расхождения Кульбака-Лейблера между y_true и y_pred.

MAE(...)

MAPE(...)

MSE(...)

MSLE(...)

binary_accuracy(...)

binary_crossentropy(...)

categorical_accuracy(...)

categorical_crossentropy(...): Вычисляет потерю категориальной кроссэнтропии.

cosine(...): Вычисляет косинусное сходство между метками и предсказаниями.

cosine_proximity(...): Вычисляет косинусное сходство между метками и предсказаниями.

deserialize(...)

get(...)

hinge(...): Вычисляет потерю шарнира между y_true и y_pred.

kld(...): Вычисляет потерю расхождения Кульбака-Лейблера между y_true и y_pred.

kullback_leibler_divergence(...): Вычисляет потерю расхождения Кульбака-Лейблера между y_true и y_pred.

mae(...)

mape(...)

mean_absolute_error(...)

mean_absolute_percentage_error(...)

mean_squared_error(...)

mean_squared_logarithmic_error(...)

mse(...)

msle(...)

poisson(...): Вычисляет потерю Пуассона между y_true и y_pred.

serialize(...)

sparse_categorical_accuracy(...)

sparse_categorical_crossentropy(...)

sparse_top_k_categorical_accuracy(...)

squared_hinge(...): Вычисляет потерю квадрата шарнира между y_true и y_pred.

top_k_categorical_accuracy(...)