tf.estimator.LogisticRegressionHead

Создаёт Head для логистической регрессии.

Наследуется от: RegressionHead, Head

tf.estimator.LogisticRegressionHead(
    weight_column=None,
    loss_reduction=tf.losses.Reduction.SUM_OVER_BATCH_SIZE,
    name=None
)

Использует sigmoid_cross_entropy_with_logits потерю, которая эквивалентна BinaryClassHead. Отличия от BinaryClassHead:

• Не поддерживает label_vocabulary. Вместо этого метки должны быть числами с плавающей точкой в диапазоне [0, 1].
• Не вычисляет некоторые метрики, которые не имеют смысла, такие как AUC.
• В режиме PREDICT возвращает только logits и предсказания (=tf.sigmoid(logits)), в то время как BinaryClassHead также возвращает вероятности, классы и id классов.
• Экспорт по умолчанию RegressionOutput, в то время как BinaryClassHead по умолчанию PredictOutput.

Голова ожидает logits с формой [D0, D1, ... DN, 1]. Во многих приложениях форма [batch_size, 1].

Форма labels должна соответствовать logits, а именно [D0, D1, ... DN] или [D0, D1, ... DN, 1].

Если указано weight_column , веса должны иметь форму [D0, D1, ... DN] или [D0, D1, ... DN, 1].

Реализовано как обобщённая линейная модель, см. https://en.wikipedia.org/wiki/Generalized_linear_model

Голова может использоваться с готовым оценщиком. Пример:

my_head = tf.estimator.LogisticRegressionHead()
my_estimator = tf.estimator.DNNEstimator(
    head=my_head,
    hidden_units=...,
    feature_columns=...)

Она также может использоваться с настраиваемым model_fn. Пример:

def _my_model_fn(features, labels, mode):
  my_head = tf.estimator.LogisticRegressionHead()
  logits = tf.keras.Model(...)(features)

  return my_head.create_estimator_spec(
      features=features,
      mode=mode,
      labels=labels,
      optimizer=tf.keras.optimizers.Adagrad(lr=0.1),
      logits=logits)

my_estimator = tf.estimator.Estimator(model_fn=_my_model_fn)

Методы

create_estimator_spec

Просмотреть исходный код

create_estimator_spec(
    features,
    mode,
    logits,
    labels=None,
    optimizer=None,
    trainable_variables=None,
    train_op_fn=None,
    update_ops=None,
    regularization_losses=None
)

Возвращает EstimatorSpec , который может вернуть model_fn.

Рекомендуется передавать все аргументы через имя.

loss

Просмотреть исходный код

loss(
    labels, logits, features=None, mode=None, regularization_losses=None
)

Возвращает предсказания на основе ключей. См. base_head.Head для подробностей.

metrics

Просмотреть исходный код

metrics(
    regularization_losses=None
)

Создаёт метрики. См. base_head.Head для подробностей.

predictions

Просмотреть исходный код

predictions(
    logits
)

Возвращает предсказания на основе ключей.

См. base_head.Head для подробностей.

update_metrics

Просмотреть исходный код

update_metrics(
    eval_metrics, features, logits, labels, regularization_losses=None
)

Обновляет метрики оценки. См. base_head.Head для подробностей.