tf.compat.v1.metrics.average_precision_at_k

Вычисляет среднюю точность@k предсказаний относительно разреженных меток.

tf.compat.v1.metrics.average_precision_at_k(
    labels,
    predictions,
    k,
    weights=None,
    metrics_collections=None,
    updates_collections=None,
    name=None
)

average_precision_at_k создаёт две локальные переменные, average_precision_at_<k>/total и average_precision_at_<k>/max, которые используются для вычисления частоты. Эта частота в конечном счёте возвращается как average_precision_at_<k>: идемпотентная операция, которая просто делит average_precision_at_<k>/total на average_precision_at_<k>/max.

Для оценки метрики по потоку данных функция создаёт операцию update_op для обновления этих переменных и возвращает precision_at_<k>. Внутренне, операция top_k вычисляет Tensor , указывающий на лучшие k predictions. Операции над множествами, применённые к top_k и labels , вычисляют истинные положительные и ложные положительные значения, взвешенные по weights. Затем update_op увеличивает true_positive_at_<k> и false_positive_at_<k> с использованием этих значений.

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

Аргументы
`labels`	`int64` `Tensor` или `SparseTensor` с формой [D1, ... DN, num_labels] или [D1, ... DN], где последнее подразумевает num_labels=1. N >= 1, а num_labels — количество целевых классов для соответствующего предсказания. Обычно N=1 и `labels` имеет форму [размер_пакета, num_labels]. [D1, ... DN] должно совпадать с `predictions`. Значения должны находиться в диапазоне [0, num_classes), где num_classes — последняя размерность `predictions`. Значения за пределами этого диапазона игнорируются.
`predictions`	Вещественное `Tensor` с формой [D1, ... DN, num_classes], где N >= 1. Обычно N=1 и `predictions` имеет форму [размер_пакета, num_classes]. Последняя размерность содержит значения логарифмических вероятностей для каждого класса. [D1, ... DN] должно совпадать с `labels`.
`k`	Целое число, k для метрики @k. Это вычислит среднюю точность для диапазона `[1,k]`, как описано выше.
`weights`	`Tensor` , ранг которого равен либо 0, либо n-1, где n — ранг `labels`. Если n-1, оно должно быть совместимо с `labels` (то есть все размерности должны быть либо `1`, либо совпадать с соответствующей размерностью `labels`).
`metrics_collections`	Необязательный список коллекций, в которые следует добавлять значения.
`updates_collections`	Необязательный список коллекций, в которые следует добавлять обновления.
`name`	Имя новой операцией обновления и имя пространства имён для других зависимых операций.

Возвращаемое значение
`mean_average_precision`	Скалярное `float64` `Tensor` со средними значениями средней точности.
`update`	Операция `Operation` , которая должным образом увеличивает переменные и значение которой совпадает с `metric`.

Исключения
`ValueError`	если k некорректно.
`RuntimeError`	Если включено выполнение с немедленным возвратом.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/compat/v1/metrics/average_precision_at_k