Модуль: tf.compat.v1.keras.metrics

Встроенные метрики.

Классы

class AUC: Вычисляет приблизительный AUC (площадь под кривой) с помощью суммы Римана.

class Accuracy: Вычисляет частоту совпадения предсказаний с метками.

class BinaryAccuracy: Вычисляет частоту совпадения предсказаний с бинарными метками.

class BinaryCrossentropy: Вычисляет метрику кроссэнтропии между метками и предсказаниями.

class CategoricalAccuracy: Вычисляет частоту совпадения предсказаний с метками в формате one-hot.

class CategoricalCrossentropy: Вычисляет метрику кроссэнтропии между метками и предсказаниями.

class CategoricalHinge: Вычисляет метрику категориальной защёлки между y_true и y_pred.

class CosineSimilarity: Вычисляет косинусное сходство между метками и предсказаниями.

class FalseNegatives: Вычисляет количество ложноотрицательных результатов.

class FalsePositives: Вычисляет количество ложноположительных результатов.

class Hinge: Вычисляет метрику защёлки между y_true и y_pred.

class KLDivergence: Вычисляет метрику дивергенции Кульбака-Лейблера между y_true и y_pred.

class LogCoshError: Вычисляет логарифм гиперболического косинуса ошибки предсказания.

class Mean: Вычисляет (взвешенное) среднее заданных значений.

class MeanAbsoluteError: Вычисляет среднюю абсолютную ошибку между метками и предсказаниями.

class MeanAbsolutePercentageError: Вычисляет среднюю абсолютную процентную ошибку между y_true и y_pred.

class MeanIoU: Вычисляет метрику среднего пересечения по объединению.

class MeanRelativeError: Вычисляет среднюю относительную ошибку, нормализованную заданными значениями.

class MeanSquaredError: Вычисляет среднеквадратичную ошибку между y_true и y_pred.

class MeanSquaredLogarithmicError: Вычисляет среднеквадратичную логарифмическую ошибку между y_true и y_pred.

class MeanTensor: Вычисляет поэлементное (взвешенное) среднее заданных тензоров.

class Metric: Оборачивает логику и состояние метрики.

class Poisson: Вычисляет метрику Пуассона между y_true и y_pred.

class Precision: Вычисляет точность предсказаний относительно меток.

class PrecisionAtRecall: Вычисляет наилучшую точность, где полнота ≥ заданному значению.

class Recall: Вычисляет полноту предсказаний относительно меток.

class RecallAtPrecision: Вычисляет наилучшую полноту, где точность ≥ заданному значению.

class RootMeanSquaredError: Вычисляет метрику корня из среднеквадратичной ошибки между y_true и y_pred.

class SensitivityAtSpecificity: Вычисляет наилучшую чувствительность, где специфичность ≥ заданному значению.

class SparseCategoricalAccuracy: Вычисляет частоту совпадения предсказаний с целочисленными метками.

class SparseCategoricalCrossentropy: Вычисляет метрику кроссэнтропии между метками и предсказаниями.

class SparseTopKCategoricalAccuracy: Вычисляет частоту попадания целочисленных целей в топ K предсказаний.

class SpecificityAtSensitivity: Вычисляет наилучшую специфичность, где чувствительность ≥ заданному значению.

class SquaredHinge: Вычисляет метрику квадратичной защёлки между y_true и y_pred.

class Sum: Вычисляет (взвешенную) сумму заданных значений.

class TopKCategoricalAccuracy: Вычисляет частоту попадания целей в топ K предсказаний.

class TrueNegatives: Вычисляет количество истинно отрицательных результатов.

class TruePositives: Вычисляет количество истинно положительных результатов.

Функции

KLD(...): Вычисляет потерю дивергенции Кульбака-Лейблера между y_true и y_pred.

MAE(...): Вычисляет среднюю абсолютную ошибку между метками и предсказаниями.

MAPE(...): Вычисляет среднюю абсолютную процентную ошибку между y_true и y_pred.

MSE(...): Вычисляет среднеквадратичную ошибку между метками и предсказаниями.

MSLE(...): Вычисляет среднеквадратичную логарифмическую ошибку между y_true и y_pred.

binary_accuracy(...): Вычисляет частоту совпадения предсказаний с бинарными метками.

binary_crossentropy(...): Вычисляет потерю бинарной кроссэнтропии.

categorical_accuracy(...): Вычисляет частоту совпадения предсказаний с метками в формате one-hot.

categorical_crossentropy(...): Вычисляет потерю категориальной кроссэнтропии.

cosine(...): Вычисляет косинусное сходство между метками и предсказаниями.

cosine_proximity(...): Вычисляет косинусное сходство между метками и предсказаниями.

deserialize(...): Десериализует сериализованный класс/экземпляр функции метрики.

get(...): Получает Keras метрику как экземпляр класса function/Metric.

hinge(...): Вычисляет потерю защёлки между y_true и y_pred.

kl_divergence(...): Вычисляет потерю дивергенции Кульбака-Лейблера между y_true и y_pred.

kld(...): Вычисляет потерю дивергенции Кульбака-Лейблера между y_true и y_pred.

kullback_leibler_divergence(...): Вычисляет потерю дивергенции Кульбака-Лейблера между y_true и y_pred.

mae(...): Вычисляет среднюю абсолютную ошибку между метками и предсказаниями.

mape(...): Вычисляет среднюю абсолютную процентную ошибку между y_true и y_pred.

mean_absolute_error(...): Вычисляет среднюю абсолютную ошибку между метками и предсказаниями.

mean_absolute_percentage_error(...): Вычисляет среднюю абсолютную процентную ошибку между y_true и y_pred.

mean_squared_error(...): Вычисляет среднеквадратичную ошибку между метками и предсказаниями.

mean_squared_logarithmic_error(...): Вычисляет среднеквадратичную логарифмическую ошибку между y_true и y_pred.

mse(...): Вычисляет среднеквадратичную ошибку между метками и предсказаниями.

msle(...): Вычисляет среднеквадратичную логарифмическую ошибку между y_true и y_pred.

poisson(...): Вычисляет потерю Пуассона между y_true и y_pred.

serialize(...): Сериализует функцию метрики или экземпляр Metric.

sparse_categorical_accuracy(...): Вычисляет частоту совпадения предсказаний с целочисленными метками.

sparse_categorical_crossentropy(...): Вычисляет потерю разреженной категориальной кроссэнтропии.

sparse_top_k_categorical_accuracy(...): Вычисляет частоту попадания целочисленных целей в топ K предсказаний.

squared_hinge(...): Вычисляет потерю квадратичной защёлки между y_true и y_pred.

top_k_categorical_accuracy(...): Вычисляет частоту попадания целей в топ K предсказаний.