tf.keras.metrics.Точность

Просмотреть исходный код на GitHub

Вычисляет точность предсказаний относительно меток.

Наследуется от: Metric, Layer, Module

Просмотр псевдонимов

Основные псевдонимы

tf.metrics.Recall

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительных сведений.

tf.compat.v1.keras.metrics.Recall

tf.keras.metrics.Recall(
    thresholds=None, top_k=None, class_id=None, name=None, dtype=None
)

Эта метрика создает две локальные переменные, true_positives и false_negatives, которые используются для вычисления точности. Это значение в конечном итоге возвращается как recall, идемпотентная операция, которая просто делит true_positives на сумму true_positives и false_negatives.

Если sample_weight задано как None, веса по умолчанию равны 1. Используйте веса со значением 0, чтобы замаскировать значения.

Если top_k задано, точность будет вычисляться как частота, с которой в среднем класс среди меток записи пакета попадает в топ-k предсказаний.

Если class_id указано, мы вычисляем точность, учитывая только записи в пакете, для которых class_id находится в метке, и вычисляя долю таких записей, для которых class_id выше порога и/или входит в топ-k предсказаний.

Аргументы
`thresholds`	(Необязательно) Числовое значение с плавающей запятой или список/кортеж питоновских чисел с плавающей запятой, значения порогов в [0, 1]. Порог сравнивается со значениями предсказания для определения истинного значения предсказаний (т.е., выше порога — `true`, ниже — `false`). Для каждого значения порога генерируется одно значение метрики. Если ни пороги, ни top_k не заданы, по умолчанию вычисляется точность с `thresholds=0.5`.
`top_k`	(Необязательно) По умолчанию не задано. Целое число, определяющее верхние k предсказаний, которые следует учитывать при вычислении точности.
`class_id`	(Необязательно) Целочисленный идентификатор класса, для которого требуется бинарная метрика. Это значение должно находиться в полуоткрытом интервале `[0, num_classes)`, где `num_classes` — это последняя размерность предсказаний.
`name`	(Необязательно) Строковое имя экземпляра метрики.
`dtype`	(Необязательно) Тип данных результата метрики.

Использование самостоятельно:

m = tf.keras.metrics.Recall()
m.update_state([0, 1, 1, 1], [1, 0, 1, 1])
m.result().numpy()
0.6666667

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

Использование с API compile():

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

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 истинных положительных и ложных отрицательных значений.

Аргументы
`y_true`	Значения факта, с теми же размерами, что и `y_pred`. Будут преобразованы к типу `bool`.
`y_pred`	Значения предсказаний. Каждое значение должно находиться в диапазоне `[0, 1]`.
`sample_weight`	Необязательное взвешивание каждого примера. По умолчанию равно 1. Может быть `Tensor`, чья размерность равна 0 или такой же, как у `y_true`, и должна быть транслируема к `y_true`.

Возвращаемое значение
Операция обновления.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.4/api_docs/python/tf/keras/metrics/Recall