tf.keras.wrappers.scikit_learn.KerasRegressor

Реализация API регрессора scikit-learn для Keras.

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.keras.wrappers.scikit_learn.KerasRegressor, `tf.compat.v2.keras.wrappers.scikit_learn.KerasRegressor`

tf.keras.wrappers.scikit_learn.KerasRegressor(
    build_fn=None, **sk_params
)

Методы

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_params(
    fn, override=None
)

Фильтрует sk_params и возвращает те, которые присутствуют в аргументах fn.

Аргументы
`fn`	произвольная функция
`override`	словарь, значения для переопределения `sk_params`

Возвращает
`res`	словарь, содержащий переменные, присутствующие как в аргументах `sk_params`, так и в аргументах `fn`.

fit(
    x, y, **kwargs
)

Создает новую модель с build_fn и обучает модель на данных (x, y).

Аргументы
`x`	массив, форма `(n_samples, n_features)` Данные обучения, где `n_samples` — количество образцов, 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`	данные о процессе обучения на каждой эпохе.

get_params(
    **params
)

Получает параметры данного оценщика.

Аргументы
`**params`	игнорируется (существует для совместимости с API).

Возвращает
Словарь имён параметров и их значений.

predict(
    x, **kwargs
)

Возвращает прогнозы для заданных тестовых данных.

Аргументы
`x`	массив, форма `(n_samples, n_features)` Тестовые образцы, где `n_samples` — количество образцов, а `n_features` — количество признаков.
`**kwargs`	словарь аргументов Допустимые аргументы — аргументы `Sequential.predict`.

Возвращает
`preds`	массив, форма `(n_samples,)` Прогнозы.

score(
    x, y, **kwargs
)

Возвращает среднюю потерю на заданных тестовых данных и метках.

Аргументы
`x`	массив, форма `(n_samples, n_features)` Тестовые образцы, где `n_samples` — количество образцов, а `n_features` — количество признаков.
`y`	массив, форма `(n_samples,)` Истинные метки для `x`.
`**kwargs`	словарь аргументов Допустимые аргументы — аргументы `Sequential.evaluate`.

Возвращает
`score`	число с плавающей точкой Средняя точность прогнозов на `x` по отношению к `y`.

set_params(
    **params
)

Устанавливает параметры данного оценщика.

Аргументы
`**params`	Словарь имён параметров и их значений.

Возвращает
self

© 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/wrappers/scikit_learn/KerasRegressor