Spec-Zone.ru › TensorFlow 2.3 tf.keras.wrappers.scikit_learn.KerasClassifier Реализация API классификатора scikit-learn для Keras.
tf.keras.wrappers.scikit_learn.KerasClassifier(
build_fn=None, **sk_params
)
Методы check_paramsПросмотр исходного кода
check_params(
params
)
Проверка наличия опечаток у пользователя в params.
Аргументы params словарь; параметры, которые нужно проверить
Возбуждает ValueError если какой-либо член params не является допустимым аргументом.
filter_sk_paramsПросмотр исходного кода
filter_sk_params(
fn, override=None
)
Фильтрует sk_params и возвращает те, которые присутствуют в аргументах fn.
Аргументы fn произвольная функция
override словарь, значения для перезаписи sk_params
Возвращает res словарь, содержащий переменные, присутствующие как в аргументах sk_params , так и в аргументах fn .
fitПросмотр исходного кода
fit(
x, y, **kwargs
)
Создаёт новую модель с build_fn и обучает модель на (x, y).
Аргументы x массив-подобный объект, форма (n_samples, n_features) Образцы обучения, где n_samples — количество образцов, а n_features — количество признаков.
y массив-подобный объект, форма (n_samples,) или (n_samples, n_outputs) Истинные метки для x.
**kwargs словарь аргументов Допустимые аргументы — аргументы Sequential.fit
Возвращает history объект с подробностями о истории обучения на каждой эпохе.
Возбуждает ValueError В случае неверной формы для аргумента y .
get_paramsПросмотр исходного кода
get_params(
**params
)
Получает параметры для этого оценщика.
Аргументы **params игнорируется (существует для совместимости с API).
Возвращает Словарь имён параметров и их значений.
predictПросмотр исходного кода
predict(
x, **kwargs
)
Возвращает предсказания классов для заданных тестовых данных.
Аргументы x массив-подобный объект, форма (n_samples, n_features) Тестовые образцы, где n_samples — количество образцов, а n_features — количество признаков.
**kwargs словарь аргументов Допустимые аргументы — аргументы Sequential.predict_classes
Возвращает preds массив-подобный объект, форма (n_samples,) Предсказания классов.
predict_probaПросмотр исходного кода
predict_proba(
x, **kwargs
)
Возвращает оценки вероятности классов для заданных тестовых данных.
Аргументы x массив-подобный объект, форма (n_samples, n_features) Тестовые образцы, где n_samples — количество образцов, а n_features — количество признаков.
**kwargs словарь аргументов Допустимые аргументы — аргументы Sequential.predict_classes
Возвращает proba массив-подобный объект, форма (n_samples, n_outputs) Оценки вероятности классов. В случае бинарной классификации, для соответствия API scikit-learn, возвращает массив формы (n_samples, 2) (вместо (n_sample, 1) , как в Keras).
scoreПросмотр исходного кода
score(
x, y, **kwargs
)
Возвращает среднюю точность на заданных тестовых данных и метках.
Аргументы x массив-подобный объект, форма (n_samples, n_features) Тестовые образцы, где n_samples — количество образцов, а n_features — количество признаков.
y массив-подобный объект, форма (n_samples,) или (n_samples, n_outputs) Истинные метки для x.
**kwargs словарь аргументов Допустимые аргументы — аргументы Sequential.evaluate
Возвращает score число с плавающей точкой Средняя точность предсказаний на x относительно y.
Возбуждает ValueError Если основная модель не настроена для вычисления точности. Необходимо передать metrics=["accuracy"] методу .compile() модели.
set_paramsПросмотр исходного кода
set_params(
**params
)
Устанавливает параметры этого оценщика.
Аргументы **params Словарь имён параметров и их значений.
