tf.keras.metrics.MeanRelativeError

Вычисляет среднюю относительную ошибку, нормируя заданными значениями.

Наследуется от: Mean

tf.keras.metrics.MeanRelativeError(
    normalizer, name=None, dtype=None
)

Этот метрика создаёт две локальные переменные, total и count, которые используются для вычисления средней относительной абсолютной ошибки. Это среднее взвешивается по sample_weight, и в конечном итоге возвращается как mean_relative_error: идемпотентная операция, которая просто делит total на count.

Если sample_weight равно None, веса по умолчанию равны 1. Используйте веса со значением 0, чтобы маскировать значения.

Использование:

m = tf.keras.metrics.MeanRelativeError(normalizer=[1, 3, 2, 3])
m.update_state([1, 3, 2, 3], [2, 4, 6, 8])

# metric = mean(|y_pred - y_true| / normalizer)
#        = mean([1, 1, 4, 5] / [1, 3, 2, 3]) = mean([1, 1/3, 2, 5/3])
#        = 5/4 = 1.25
print('Final result: ', m.result().numpy())  # Final result: 1.25

Использование с API tf.keras:

model = tf.keras.Model(inputs, outputs)
model.compile(
  'sgd',
  loss='mse',
  metrics=[tf.keras.metrics.MeanRelativeError(normalizer=[1, 3])])

Методы

reset_states

Просмотреть исходный код

reset_states()

Сбрасывает все переменные состояния метрики.

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

result

Просмотреть исходный код

result()

Вычисляет и возвращает тензор значения метрики.

Вычисление результата — это идемпотентная операция, которая просто вычисляет значение метрики с использованием переменных состояния.

update_state

Просмотреть исходный код

update_state(
    y_true, y_pred, sample_weight=None
)

Накапливает статистику метрики.