Se usó la API de Cloud Translation para traducir esta página.
Switch to English

Módulo: tf.keras.metrics

TensorFlow 1 versión

Incorporado en las métricas.

clases

class AUC : calcula el AUC aproximada (área bajo la curva) a través de una suma de Riemann.

class Accuracy : Calcula la frecuencia es igual a predicciones etiquetas.

class BinaryAccuracy : calcula la frecuencia coincide con las predicciones etiquetas binarias.

class BinaryCrossentropy : calcula la métrica crossentropy entre las etiquetas y las predicciones.

class CategoricalAccuracy : Calcula la frecuencia coincide con las predicciones de etiquetas de una sola calientes.

class CategoricalCrossentropy : calcula la métrica crossentropy entre las etiquetas y las predicciones.

class CategoricalHinge : calcula la métrica categórica bisagra entre y_true y y_pred .

class CosineSimilarity : Calcula el coseno similitud entre las etiquetas y las predicciones.

class FalseNegatives : calcula el número de falsos negativos.

class FalsePositives : calcula el número de falsos positivos.

class Hinge : Calcula la bisagra entre la métrica y_true y y_pred .

class KLDivergence : Calcula Kullback-Leibler divergencia entre la métrica y_true y y_pred .

class LogCoshError : Calcula el logaritmo de la coseno hiperbólico del error de predicción.

class Mean : Calcula la (ponderado) Media de los valores dados.

class MeanAbsoluteError : Calcula el error absoluto medio entre las etiquetas y predicciones.

class MeanAbsolutePercentageError : calcula el error porcentual absoluto medio entre y_true y y_pred .

class MeanIoU : Calcula la media Intersección-Over-Unión métricas.

class MeanRelativeError : Calcula el error relativo medio por normalización con los valores dados.

class MeanSquaredError : calcula el error cuadrático medio entre y_true y y_pred .

class MeanSquaredLogarithmicError : Calcula la media logarítmica de error al cuadrado entre y_true y y_pred .

class MeanTensor : Calcula el elemento a elemento (ponderado) Media de los tensores dadas.

class Metric : Encapsula la lógica métrica y el estado.

class Poisson : calcula la métrica de Poisson entre y_true y y_pred .

class Precision : Calcula la precisión de las predicciones con respecto a las etiquetas.

class PrecisionAtRecall : Calcula la mejor precisión en el recuerdo es> = valor especificado.

class Recall : Calcula la retirada de las predicciones con respecto a las etiquetas.

class RecallAtPrecision : Calcula el mejor recuerdo donde la precisión es> = valor especificado.

class RootMeanSquaredError : Calcula la raíz del error cuadrático medio entre la métrica y_true y y_pred .

class SensitivityAtSpecificity : Calcula la mejor sensibilidad donde la especificidad es> = valor especificado.

class SparseCategoricalAccuracy : Calcula la frecuencia coincide con las predicciones número entero etiquetas.

class SparseCategoricalCrossentropy : calcula la métrica crossentropy entre las etiquetas y las predicciones.

class SparseTopKCategoricalAccuracy : Calcula la frecuencia número entero objetivos están en el top K predicciones.

class SpecificityAtSensitivity : Calcula la mejor especificidad donde la sensibilidad es> = valor especificado.

class SquaredHinge : Calcula la bisagra cuadrado métrica entre y_true y y_pred .

class Sum : calcula el (ponderado) suma de los valores dados.

class TopKCategoricalAccuracy : Calcula la frecuencia con objetivos están en el top K predicciones.

class TrueNegatives : Calcula el número de verdaderos negativos.

class TruePositives : Calcula el número de verdaderos positivos.

funciones

KLD(...) : Calcula Kullback-Leibler divergencia entre la pérdida y_true y y_pred .

MAE(...) : Calcula el error absoluto medio entre las etiquetas y las predicciones.

MAPE(...) : calcula el error porcentual absoluto medio entre y_true y y_pred .

MSE(...) : Calcula el error cuadrático medio entre las etiquetas y las predicciones.

MSLE(...) : Calcula la media logarítmica de error al cuadrado entre y_true y y_pred .

binary_accuracy(...) : Calcula la frecuencia coincide con las predicciones etiquetas binarias.

binary_crossentropy(...) : Calcula la pérdida crossentropy binario.

categorical_accuracy(...) : Calcula la frecuencia con predicciones partidos etiquetas de una sola calientes.

categorical_crossentropy(...) : Calcula la pérdida crossentropy categórica.

deserialize(...) : Deserializa una instancia de clase / función métrica serializado.

get(...) : recupera una Keras métrica como una function / Metric instancia de clase.

hinge(...) : calcula la pérdida de bisagra entre y_true y y_pred .

kl_divergence(...) : Calcula Kullback-Leibler divergencia entre la pérdida y_true y y_pred .

kld(...) : Calcula Kullback-Leibler divergencia entre la pérdida y_true y y_pred .

kullback_leibler_divergence(...) : Calcula Kullback-Leibler divergencia entre la pérdida y_true y y_pred .

mae(...) : Calcula el error absoluto medio entre las etiquetas y las predicciones.

mape(...) : calcula el error porcentual absoluto medio entre y_true y y_pred .

mean_absolute_error(...) : Calcula el error absoluto medio entre las etiquetas y las predicciones.

mean_absolute_percentage_error(...) : calcula el error porcentual absoluto medio entre y_true y y_pred .

mean_squared_error(...) : Calcula el error cuadrático medio entre las etiquetas y las predicciones.

mean_squared_logarithmic_error(...) : Calcula la media logarítmica de error al cuadrado entre y_true y y_pred .

mse(...) : Calcula el error cuadrático medio entre las etiquetas y las predicciones.

msle(...) : Calcula la media logarítmica de error al cuadrado entre y_true y y_pred .

poisson(...) : Calcula la pérdida de Poisson entre y_true y y_pred.

serialize(...) : Serializa función métrica o Metric ejemplo.

sparse_categorical_accuracy(...) : Calcula la frecuencia con predicciones partidos enteros etiquetas.

sparse_categorical_crossentropy(...) : Calcula la pérdida crossentropy categórica escasa.

sparse_top_k_categorical_accuracy(...) : Calcula la frecuencia número entero objetivos están en el top K predicciones.

squared_hinge(...) : Calcula la pérdida de bisagra al cuadrado entre y_true y y_pred .

top_k_categorical_accuracy(...) : Calcula la frecuencia con objetivos están en la parte superior K predicciones.