이 페이지는 Cloud Translation API를 통해 번역되었습니다.
Switch to English

tf.keras.metrics.SensitivityAtSpecificity

TensorFlow 1 개 버전 GitHub의에서 소스보기

계산해 특이도가> = 지정된 값입니다 최고의 감도.

주어진 특이성에 감도.

Sensitivity 측정 정확하게 같은 식별 실제 양성 비율 (TP / (TP + FN)). Specificity 측정 정확하게 같은 식별 실제 원판의 비율 (TN / (FP + TN)).

이 통계는 네 로컬 변수 생성 true_positives , true_negatives , false_positivesfalse_negatives 소정의 감도 특성을 계산하기 위해 사용된다. 주어진 특이 값에 대한 임계 값을 산출하고 해당 감도를 평가하는데 사용된다.

경우 sample_weight 없습니다 None , 무게는 1.의 기본값 sample_weight 값을 마스크 0.

특이도 및 민감도에 대한 자세한 내용은 다음 .

specificity 범위의 스칼라 값을 [0, 1] .
num_thresholds (200) (선택 사항) 기본값 임계 값의 수는 소정의 특이성을 매칭에 사용한다.
name 메트릭 인스턴스 (선택 사항) 문자열 이름.
dtype 메트릭 결과 (선택) 데이터 타입.

독립형 사용 :

m = tf.keras.metrics.SensitivityAtSpecificity(0.5)
m.update_state([0, 0, 0, 1, 1], [0, 0.3, 0.8, 0.3, 0.8])
m.result().numpy()
0.5
m.reset_states()
m.update_state([0, 0, 0, 1, 1], [0, 0.3, 0.8, 0.3, 0.8],
               sample_weight=[1, 1, 2, 2, 1])
m.result().numpy()
0.333333

와 사용 compile() API :

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

행동 양식

reset_states

소스보기

메트릭 상태 변수를 모두 재설정합니다.

메트릭은 훈련 기간 동안 평가 될 때이 기능은, 신 (新) 시대 / 단계 사이라고합니다.

result

소스보기

계산하여 반환 메트릭 값 텐서를.

계산 결과는 단순히 상기 상태 변수를 이용하여 통계 값을 산출 멱등 동작이다.

update_state

소스보기

혼란 매트릭스 통계를 축적한다.

인수
y_true 지상의 진리 값.
y_pred 예측 값.
sample_weight 각 예제의 옵션 가중치. 1. 기본값은 될 수 Tensor 그 순위 0 중 하나, 또는 같은 순위 y_true , 그리고에 캐스트 가능한해야합니다 y_true .

보고
업데이트 연산.