tf.estimator.PoissonRegressionHead

Создаёт Head для регрессии Пуассона, используя tf.nn.log_poisson_loss.

Наследуется от: RegressionHead, Head

tf.estimator.PoissonRegressionHead(
    label_dimension=1,
    weight_column=None,
    loss_reduction=tf.losses.Reduction.SUM_OVER_BATCH_SIZE,
    compute_full_loss=True,
    name=None
)

Функция потерь представляет собой взвешенную сумму по всем измерениям входных данных. Иными словами, если входные метки имеют форму [batch_size, label_dimension], функция потерь представляет собой взвешенную сумму по batch_size и label_dimension.

Головка ожидает logits с формой [D0, D1, ... DN, label_dimension]. Во многих приложениях форма составляет [batch_size, label_dimension].

Форма labels должна соответствовать форме logits, а именно [D0, D1, ... DN, label_dimension]. Если label_dimension=1, также поддерживается форма [D0, D1, ... DN].

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

Эта реализация основана на обобщённой линейной модели, см. https://en.wikipedia.org/wiki/Generalized_linear_model

Головка может быть использована с готовым оценщиком. Пример:

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

Она также может быть использована с настраиваемым model_fn. Пример:

def _my_model_fn(features, labels, mode):
  my_head = tf.estimator.PoissonRegressionHead()
  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 , которое может возвращать модельная функция.

Рекомендуется передавать все аргументы через имя.

loss

Просмотреть исходный код

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

Возвращает прогнозы 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 прогнозы 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.