tf.keras.metrics.RecallAtPrecision

Вычисляет наилучший показатель полноты, где точность ≥ заданное значение.

tf.keras.metrics.RecallAtPrecision(
    precision, num_thresholds=200, name=None, dtype=None
)

Для данного распределения оценки-метки-метки требуемая точность может быть недостижима, в этом случае в качестве полноты возвращается 0,0.

Этот показатель создает четыре локальных переменных, true_positives, true_negatives, false_positives и false_negatives, которые используются для вычисления полноты при заданной точности. Порог для данного значения точности вычисляется и используется для оценки соответствующей полноты.

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

Использование автономно:

m = tf.keras.metrics.RecallAtPrecision(0.8)
m.update_state([0, 0, 1, 1], [0, 0.5, 0.3, 0.9])
m.result().numpy()
0.5

m.reset_states()
m.update_state([0, 0, 1, 1], [0, 0.5, 0.3, 0.9],
               sample_weight=[1, 0, 0, 1])
m.result().numpy()
1.0

Использование с API compile():

model.compile(
    optimizer='sgd',
    loss='mse',
    metrics=[tf.keras.metrics.RecallAtPrecision(precision=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 — это идемпотентная операция, 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 неточностей.