tf.keras.metrics.Recall

Вычисляет полноту прогнозов относительно меток.

Наследуется от: Metric

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.keras.metrics.Recall, `tf.compat.v2.keras.metrics.Recall`, `tf.compat.v2.metrics.Recall`

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

Например, если y_true — [0, 1, 1, 1] и y_pred — [1, 0, 1, 1], то значение полноты равно 2/(2+1), т. е. 0,66. Если веса заданы как [0, 0, 1, 0], то значение полноты будет 1.

Эта метрика 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 — None, веса по умолчанию равны 1. Используйте веса со значением 0 для маскирования значений.

Если top_k задано, полнота будет вычисляться как частота, с которой в среднем класс среди меток записи пакета попадает в топ-k прогнозов.

Если class_id задано, мы вычисляем полноту, учитывая только записи в пакете, для которых class_id находится в метке, и вычисляем долю таких записей, для которых class_id выше порога и/или находится в топ-k прогнозах.

Использование:

m = tf.keras.metrics.Recall()
m.update_state([0, 1, 1, 1], [1, 0, 1, 1])
print('Final result: ', m.result().numpy())  # Final result: 0.66

Использование с API tf.keras:

model = tf.keras.Model(inputs, outputs)
model.compile('sgd', loss='mse', metrics=[tf.keras.metrics.Recall()])

Аргументы
`thresholds`	(Необязательно) Вещественное число или список/кортеж питоновских вещественных чисел в диапазоне [0, 1]. Порог сравнивается со значениями прогнозов для определения истинного значения прогнозов (т. е. выше порога — `true`, ниже — `false`). Для каждого значения порога генерируется одно значение метрики. Если не заданы ни пороги, ни top_k, по умолчанию вычисляется полнота с `thresholds=0.5`.
`top_k`	(Необязательно) По умолчанию не установлено. Целое значение, определяющее количество лучших прогнозов (top-k), которые нужно учитывать 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` — последняя размерность прогнозов.
`name`	(Необязательно) Имя строки экземпляра метрики.
`dtype`	(Необязательно) Тип данных результата метрики.

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 истинно положительных и ложно отрицательных значений.

Аргументы
`y_true`	Значения фактического результата, с такими же измерениями, как `y_pred`. Будет преобразовано в `bool`.
`y_pred`	Предсказанные значения. Каждый элемент должен находиться в диапазоне `[0, 1]`.
`sample_weight`	Необязательные веса каждого примера. По умолчанию 1. Может быть `Tensor`, чья ранг равен 0 или такому же рангу, как у `y_true`, и должен быть совместим с `y_true`.

Возвращаемое значение
Операция обновления.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/keras/metrics/Recall