tf.estimator.PoissonRegressionHead

Создаёт Head для регрессии Пуассона, используя tf.nn.log_poisson_loss.

Наследуется от: RegressionHead

tf.estimator.PoissonRegressionHead(
    label_dimension=1, weight_column=None,
    loss_reduction=losses_utils.ReductionV2.SUM_OVER_BATCH_SIZE,
    compute_full_loss=True, name=None
)

Функция потерь представляет собой взвешенную сумму по всем измерениям входных данных. Иными словами, если метки входных данных имеют размерность [batch_size, label_dimension], то функция потерь представляет собой взвешенную сумму как по batch_size, так и по label_dimension.

Функция ожидает logits с размерностью [D0, D1, ... DN, label_dimension]. Во многих приложениях размерность равна [batch_size, label_dimension].

Размерность labels должна совпадать с размерностью logits, а именно [D0, D1, ... DN, label_dimension]. Если label_dimension=1, то также поддерживается размерность [D0, D1, ... DN].

Если указан параметр weight_column, то веса должны иметь размерность [D0, D1, ... DN], [D0, D1, ... DN, 1] или [D0, D1, ... DN, label_dimension].

Реализация основана на обобщенной линейной модели, см. https://en.wikipedia.org/wiki/Generalized_linear_model

Функция может использоваться с готовым оценщиком. Пример:

my_head = tf.estimator.PoissonRegressionHead()
my_estimator = tf.estimator.DNNEstimator(
    head=my_head,
    hidden_units=...,
    feature_columns=...)

Также она может использоваться с пользовательским model_fn. Пример:

def _my_model_fn(features, labels, mode):
  my_head = tf.estimator.PoissonRegressionHead()
  logits = tf.keras.Model(...)(features)

  return my_head.create_estimator_spec(
      features=features,
      mode=mode,
      labels=labels,
      optimizer=tf.keras.optimizers.Adagrad(lr=0.1),
      logits=logits)

my_estimator = tf.estimator.Estimator(model_fn=_my_model_fn)

Методы

create_estimator_spec

Просмотреть исходный код

create_estimator_spec(
    features, mode, logits, labels=None, optimizer=None, trainable_variables=None,
    train_op_fn=None, update_ops=None, regularization_losses=None
)

Возвращает EstimatorSpec что может вернуть функция model_fn.

Рекомендуется передавать все аргументы через имя.

loss

Просмотреть исходный код

loss(
    labels, logits, features=None, mode=None, regularization_losses=None
)

Возвращает предсказания, основанные на ключах. См. base_head.Head для подробностей.

metrics

Просмотреть исходный код

metrics(
    regularization_losses=None
)

Создаёт метрики. См. base_head.Head для подробностей.

predictions

Просмотреть исходный код

predictions(
    logits
)

Возвращает предсказания, основанные на ключах.

См. base_head.Head для подробностей.

update_metrics

Просмотреть исходный код

update_metrics(
    eval_metrics, features, logits, labels, regularization_losses=None
)

Обновляет метрики оценки. См. base_head.Head для подробностей.