このページは Cloud Translation API によって翻訳されました。
Switch to English

モジュール:tf.keras.metrics

TensorFlow 1つのバージョン

内蔵のメトリック。

クラス

class AUC :リーマン和を経由して計算した近似AUC(曲線下面積)。

class Accuracy :予測がラベルに等しい頻度を計算します。

class BinaryAccuracy :計算方法を、多くの場合、予測は、バイナリラベルと一致します。

class BinaryCrossentropy :ラベルと予測間crossentropyメトリックを計算します。

class CategoricalAccuracy :計算方法を、多くの場合、予測は、ワンホットラベルに一致します。

class CategoricalCrossentropy :ラベルと予測との間に計算crossentropyメトリック。

class CategoricalHinge :計算は、間のメトリックヒンジカテゴリy_truey_pred

class CosineSimilarity :ラベルと予測間のコサイン類似度を計算します。

class FalseNegatives :計算し、偽陰性の数。

class FalsePositives :計算し、偽陽性の数。

class Hinge :間のメトリックを計算ヒンジy_truey_pred

class KLDivergence :間のメトリックを計算カルバック・ライブラー情報量y_truey_pred

class LogCoshError :予測誤差の双曲線余弦の対数を計算します。

class Mean :計算(加重)は、与えられた値の平均します。

class MeanAbsoluteError :ラベルと予測との間の平均絶対誤差を計算します。

class MeanAbsolutePercentageError :計算間の平均絶対パーセント誤差y_truey_pred

class MeanIoU :計算した平均交差点オーバー連合メトリック。

class MeanRelativeError :指定された値で正規化した平均相対誤差を計算します。

class MeanSquaredError :計算との間の平均二乗誤差y_truey_pred

class MeanSquaredLogarithmicError :計算との間の平均二乗誤差の対数y_truey_pred

class MeanTensor :計算要素単位(加重)与えられたテンソルの意味。

class Metric :メトリックロジックや状態をカプセル化します。

class Poissonの間のメトリックを計算ポアソン: y_truey_pred

class Precision :ラベルに関する予測の精度を計算します。

class PrecisionAtRecall :計算最高の精度リコール> =指定した値です。

class Recall :ラベルに関する予測のリコールを計算します。

class RecallAtPrecision :計算最高のリコール精度が> =指定した値です。

class RootMeanSquaredError :間のメトリックを計算根平均二乗誤差y_truey_pred

class SensitivityAtSpecificity :計算最高の感度特異度は> =指定した値です。

class SparseCategoricalAccuracy :ラベルの整数を計算する頻度を予測一致。

class SparseCategoricalCrossentropy :ラベルと予測間crossentropyメトリックを計算します。

class SparseTopKCategoricalAccuracy :計算はどのように多くの場合、ターゲット整数トップにあるK予測。

class SpecificityAtSensitivity :計算最高の特異性、感度が> =指定した値です。

class SquaredHinge :計算の間のメトリックの二乗のヒンジy_truey_pred

class Sum :与えられた値の計算(加重)の合計。

class TopKCategoricalAccuracy :計算はどのくらいの頻度の目標はトップにあるK予測。

class TrueNegatives :真の陰性の数を計算します。

class TruePositives :真陽性の数を計算します。

関数

KLD(...)間を計算カルバック・ライブラー情報量損失y_truey_pred

MAE(...)ラベルと予測との間の平均絶対誤差を計算します。

MAPE(...)計算間の平均絶対パーセント誤差y_truey_pred

MSE(...) :ラベルと予測との間の平均二乗誤差を計算します。

MSLE(...)計算の間の平均二乗誤差の対数y_truey_pred

binary_accuracy(...)バイナリラベルと一致する頻度を予測計算します。

binary_crossentropy(...) :バイナリcrossentropy損失を計算します。

categorical_accuracy(...)計算し予測がワンホットラベルに一致する頻度。

categorical_crossentropy(...) :カテゴリcrossentropy損失を計算します。

deserialize(...)連載メトリッククラス/関数インスタンスをデシリアライズします。

get(...) :としてメトリックKeras取得function / Metricクラスのインスタンスを。

hinge(...)計算の間のヒンジ損失y_truey_pred

kl_divergence(...)間を計算カルバック・ライブラー情報量損失y_truey_pred

kld(...)間を計算カルバック・ライブラー情報量損失y_truey_pred

kullback_leibler_divergence(...)間を計算カルバック・ライブラー情報量損失y_truey_pred

mae(...)ラベルと予測との間の平均絶対誤差を計算します。

mape(...)計算間の平均絶対パーセント誤差y_truey_pred

mean_absolute_error(...)計算ラベルと予測との間の平均絶対誤差。

mean_absolute_percentage_error(...)計算間の平均絶対パーセント誤差y_truey_pred

mean_squared_error(...)計算ラベルと予測との間の平均二乗誤差。

mean_squared_logarithmic_error(...)計算の間の平均二乗誤差の対数y_truey_pred

mse(...) :ラベルと予測との間の平均二乗誤差を計算します。

msle(...)計算の間の平均二乗誤差の対数y_truey_pred

poisson(...)計算y_trueとy_pred間のポアソン損失。

serialize(...)直列化メトリック関数またはMetricのインスタンス。

sparse_categorical_accuracy(...)計算方法を、多くの場合、予測が一致したラベルを整数。

sparse_categorical_crossentropy(...)計算まばらなカテゴリcrossentropy損失。

sparse_top_k_categorical_accuracy(...)計算頻度をターゲット整数は、トップにあるK予測。

squared_hinge(...)計算間の二乗ヒンジ損失y_truey_pred

top_k_categorical_accuracy(...)計算頻度の目標はトップにあるK予測。