tf.metrics.precision_at_k

Вычисляет точность@k предсказаний относительно разреженных меток.

tf.metrics.precision_at_k(
    labels, predictions, k, class_id=None, weights=None, metrics_collections=None,
    updates_collections=None, name=None
)

Если class_id указано, мы вычисляем точность, рассматривая только записи в пакете, для которых class_id находится в числе predictions самых высоких, и вычисляя долю таких записей, для которых class_id является правильной меткой. Если class_id не указано, мы вычислим точность как частоту, с которой в среднем класс среди k классов с наибольшими предсказанными значениями для записи пакета является верным и находится в метке этой записи.

precision_at_k создаёт две локальные переменные, true_positive_at_<k> и false_positive_at_<k>, которые используются для вычисления частоты точности@k. Эта частота в конечном итоге возвращается как precision_at_<k>: идемпотентная операция, которая просто делит true_positive_at_<k> на сумму true_positive_at_<k> и false_positive_at_<k>.

Для оценки метрики на потоке данных функция создаёт операцию update_op, которая обновляет эти переменные и возвращает precision_at_<k>. Внутри операция top_k вычисляет операцию Tensor, указывающую на k predictions-е наибольшие значения. Операции над множествами, применяемые к top_k и labels, вычисляют истинные положительные и ложные положительные значения, взвешенные по weights. Затем update_op увеличивает true_positive_at_<k> и false_positive_at_<k> с использованием этих значений.

Если weights равно None, веса по умолчанию равны 1. Используйте веса 0 для маскирования значений.