Модуль: tf.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 кросс-энтропии между метками и предсказаниями.

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

class CategoricalCrossentropy: Вычисляет метрику кросс-энтропии 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 ложных отрицательных результатов.

class FalsePositives: Вычисляет количество ложных положительных результатов.

class Hinge: Вычисляет метрику защёлки между y_true и y_pred.

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

class LogCoshError: Вычисляет логарифм гиперболического косинуса ошибки предсказания.

class Mean: Вычисляет (взвешенное) среднее значение 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 над объединением.

class MeanRelativeError: Вычисляет среднюю относительную ошибку, нормализуя с заданными значениями.

class MeanSquaredError: Вычисляет среднюю квадратическую ошибку между y_true и y_pred.

class MeanSquaredLogarithmicError: Вычисляет среднюю квадратическую логарифмическую ошибку между y_true и y_pred.

class MeanTensor: Вычисляет поэлементное (взвешенное) среднее значение 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 >= заданного значения.

class Recall: Вычисляет полноту предсказаний относительно меток.

class RecallAtPrecision: Вычисляет наилучшую полноту, где точность >= заданного значения.

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

class SensitivityAtSpecificity: Вычисляет наилучшую чувствительность, где специфичность >= заданного значения.

class SparseCategoricalAccuracy: Вычисляет частоту совпадения предсказаний с целочисленными метками.

class SparseCategoricalCrossentropy: Вычисляет метрику кросс-энтропии между метками и предсказаниями.

class SparseTopKCategoricalAccuracy: Вычисляет, как часто целочисленные целевые значения находятся в топ-% результатах предсказаний K.

class SpecificityAtSensitivity: Вычисляет наилучшую специфичность, где чувствительность >= заданного значения.

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

class Sum: Вычисляет (взвешенную) сумму заданных значений.

class TopKCategoricalAccuracy: Вычисляет, как часто целевые значения находятся в топ-% результатах предсказаний K.

class TrueNegatives: Вычисляет количество истинно отрицательных результатов.

class TruePositives: Вычисляет количество истинно положительных результатов.

Функции

KLD(...): Вычисляет потерю расхождения 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 среднюю квадратическую ошибку между метками и предсказаниями.

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

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

binary_crossentropy(...): Вычисляет потерю бинарной кросс-энтропии.

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

categorical_crossentropy(...): Вычисляет потерю категориальной кросс-энтропии.

deserialize(...): Десериализует экземпляр сериализованного класса/функции метрики.

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

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

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

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

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

log_cosh(...): Логарифм гиперболического косинуса ошибки предсказания.

logcosh(...): Логарифм гиперболического косинуса ошибки предсказания.

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 среднюю квадратическую ошибку между метками и предсказаниями.

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

mse(...): Вычисляет среднюю квадратическую ошибку между метками и предсказаниями.

msle(...): Вычисляет среднюю квадратическую 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 кросс-энтропии.

sparse_top_k_categorical_accuracy(...): Вычисляет, как часто целочисленные целевые значения находятся в топ-% результатах предсказаний K.

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

top_k_categorical_accuracy(...): Вычисляет, как часто целевые значения находятся в топ-% результатах предсказаний K.