tf.keras.metrics.PrecisionAtRecall

Вычисляет наилучшую точность, где отзыв ≥ заданное значение.

tf.keras.metrics.PrecisionAtRecall(
    recall, num_thresholds=200, name=None, dtype=None
)

Этот метрический показатель создаёт четыре локальные переменные, true_positives, true_negatives, false_positives и false_negatives, которые используются для вычисления точности при заданном отзыве. Порог для заданного значения отзыва вычисляется и используется для оценки соответствующей точности.

Если sample_weight равно None, веса по умолчанию равны 1. Используйте sample_weight значения 0 для маскировки значений.

Использование автономно:

m = tf.keras.metrics.PrecisionAtRecall(0.5)
m.update_state([0, 0, 0, 1, 1], [0, 0.3, 0.8, 0.3, 0.8])
m.result().numpy()
0.5

m.reset_states()
m.update_state([0, 0, 0, 1, 1], [0, 0.3, 0.8, 0.3, 0.8],
               sample_weight=[2, 2, 2, 1, 1])
m.result().numpy()
0.33333333

Использование с API compile():

model.compile(
    optimizer='sgd',
    loss='mse',
    metrics=[tf.keras.metrics.PrecisionAtRecall(recall=0.8)])

Методы

reset_states

Просмотреть исходный код

reset_states()

Сбрасывает все переменные состояния метрики.

Эта функция вызывается между эпохами/шагами, когда метрика оценивается во время обучения.

result

Просмотреть исходный код

result()

Вычисляет и возвращает тензор значения метрики.

Вычисление результата является идемпотентной операцией, которая просто вычисляет значение метрики, используя переменные состояния.

update_state

Просмотреть исходный код

update_state(
    y_true, y_pred, sample_weight=None
)

Накапливает статистику матрицы ошибок.