Spec-Zone.ru › TensorFlow 1.15 tf.keras.wrappers.scikit_learn.KerasClassifier Реализация API классификатора scikit-learn для Keras.
tf.keras.wrappers.scikit_learn.KerasClassifier(
build_fn=None, **sk_params
)
Методы check_paramsПросмотреть исходный код
check_params(
params
)
Проверка на наличие опечаток пользователя в params.
Аргументы params словарь; проверяемые параметры
Исключения ValueError если какой-либо член params не является допустимым аргументом.
filter_sk_paramsПросмотреть исходный код
filter_sk_params(
fn, override=None
)
Фильтрация sk_params и возврат значений, присутствующих в аргументах fn.
Аргументы fn произвольная функция
override словарь, значения для перезаписи sk_params
Возвращает res словарь, содержащий переменные, присутствующие как в аргументах sk_params, так и в аргументах fn.
fitПросмотреть исходный код
fit(
x, y, **kwargs
)
Создаёт новую модель с build_fn и обучается на данных (x, y).
Аргументы x массив, форма (n_samples, n_features) Примеры обучения, где n_samples - количество примеров, а n_features - количество признаков.
y массив, форма (n_samples,) или (n_samples, n_outputs) Истинные метки для x.
**kwargs словарь аргументов Допустимые аргументы - аргументы Sequential.fit
Возвращает history объект с деталями о ходе обучения на каждой эпохе.
Исключения ValueError В случае неверной формы аргумента y
get_paramsПросмотреть исходный код
get_params(
**params
)
Получение параметров этого оценщика.
Аргументы **params игнорируется (существует для совместимости API).
Возвращает Словарь с именами параметров и их значениями.
predictПросмотреть исходный код
predict(
x, **kwargs
)
Возвращает предсказания классов для заданных тестовых данных.
Аргументы x массив, форма (n_samples, n_features) Тестовые примеры, где n_samples - количество примеров, а n_features - количество признаков.
**kwargs словарь аргументов Допустимые аргументы - аргументы Sequential.predict_classes
Возвращает preds массив, форма (n_samples,) Предсказания классов.
predict_probaПросмотреть исходный код
predict_proba(
x, **kwargs
)
Возвращает оценки вероятности классов для заданных тестовых данных.
Аргументы x массив, форма (n_samples, n_features) Тестовые примеры, где n_samples - количество примеров, а n_features - количество признаков.
**kwargs словарь аргументов Допустимые аргументы - аргументы Sequential.predict_classes
Возвращает proba массив, форма (n_samples, n_outputs) Оценки вероятности классов. В случае бинарной классификации, для соответствия API scikit-learn, вернёт массив формы (n_samples, 2) (вместо (n_sample, 1) в Keras).
scoreПросмотреть исходный код
score(
x, y, **kwargs
)
Возвращает среднюю точность на заданных тестовых данных и метках.
Аргументы x массив, форма (n_samples, n_features) Тестовые примеры, где n_samples - количество примеров, а n_features - количество признаков.
y массив, форма (n_samples,) или (n_samples, n_outputs) Истинные метки для x.
**kwargs словарь аргументов Допустимые аргументы - аргументы Sequential.evaluate
Возвращает score числовой тип Средняя точность предсказаний на x по отношению к y.
Исключения ValueError Если базовой модели не настроено вычисление точности. Вам нужно передать metrics=["accuracy"] в метод .compile() модели.
set_paramsПросмотреть исходный код
set_params(
**params
)
Устанавливает параметры этого оценщика.
Аргументы **params Словарь с именами параметров и их значениями.
