Ta strona została przetłumaczona przez Cloud Translation API.
Switch to English

Moduł: tf.keras.metrics

TensorFlow 1 wersja

Wbudowany w metryki.

klasy

class AUC : Oblicza przybliżona wartość AUC (powierzchnia pod krzywą) za pomocą sumy Riemanna.

class Accuracy : Oblicza jak często przewidywania równa etykiet.

class BinaryAccuracy : Oblicza jak często przewidywania mecze etykiety binarnych.

class BinaryCrossentropy : Oblicza crossentropy metryczny pomiędzy etykietami i prognoz.

class CategoricalAccuracy : Oblicza jak często przewidywania mecze jeden gorące etykiet.

class CategoricalCrossentropy : Oblicza crossentropy metryczny pomiędzy etykietami i prognoz.

class CategoricalHinge : Oblicza kategorycznego zawias metryczny między y_true i y_pred .

class CosineSimilarity : Oblicza cosinus podobieństwa pomiędzy etykietami i prognoz.

class FalseNegatives : oblicza liczbę wyników fałszywie ujemnych.

class FalsePositives : oblicza liczbę fałszywych alarmów.

class Hinge : Oblicza zawias metryce między y_true i y_pred .

class KLDivergence : Oblicza dywergencja kullbacka-leiblera metryczny między y_true i y_pred .

class LogCoshError : Oblicza logarytm cosinus hiperboliczny błędu predykcji.

class Mean : Oblicza (ważonej) średnia z podanymi wartościami.

class MeanAbsoluteError : Oblicza średni bezwzględny błąd pomiędzy etykietami i prognoz.

class MeanAbsolutePercentageError : Oblicza średni bezwzględny błąd procentowy pomiędzy y_true i y_pred .

class MeanIoU : Oblicza średnią Przecięcie-Over-Union metrykę.

class MeanRelativeError : Oblicza średni błąd względny przez normalizowanie z podanych wartości.

class MeanSquaredError : Oblicza błąd średniokwadratowy między y_true i y_pred .

class MeanSquaredLogarithmicError : Oblicza średnią logarytmiczną squared error między y_true i y_pred .

class MeanTensor : Oblicza element mądry (ważony) średnia z podanych tensorów.

class Metric : oddaje logikę metrycznych i stan.

class Poisson : Oblicza Poissona metryczny między y_true i y_pred .

class Precision : Oblicza dokładność prognoz w odniesieniu do etykiet.

class PrecisionAtRecall : Oblicza najlepiej precyzja gdzie przywołanie wynosi> = określona wartość.

class Recall : Oblicza wycofanie przewidywań w odniesieniu do etykiet.

class RecallAtPrecision : Oblicza najlepiej Przypomnijmy gdzie precyzja jest> = określona wartość.

class RootMeanSquaredError : Oblicza pierwiastek błędu średniokwadratowego metryczny między y_true i y_pred .

class SensitivityAtSpecificity : Oblicza najlepszą czułość gdzie swoistość wynosi> = określona wartość.

class SparseCategoricalAccuracy : Oblicza jak często przewidywania mecze całkowitą etykiet.

class SparseCategoricalCrossentropy : Oblicza crossentropy metryczny pomiędzy etykietami i prognoz.

class SparseTopKCategoricalAccuracy : Oblicza jak często całkowitą cele są w top K prognoz.

class SpecificityAtSensitivity : Oblicza najlepiej swoistość gdzie czułość wynosi> = określona wartość.

class SquaredHinge : Oblicza zawias squared metryczny między y_true i y_pred .

class Sum : Oblicza (ważona) suma podanych wartości.

class TopKCategoricalAccuracy : Oblicza jak często cele są w top K prognoz.

class TrueNegatives : Oblicza liczbę prawdziwych negatywów.

class TruePositives : Oblicza liczbę prawdziwych pozytywów.

Funkcje

KLD(...) : Oblicza Kullback-Leiblera strata rozbieżność między y_true i y_pred .

MAE(...) : Oblicza średni błąd bezwzględny pomiędzy etykietami i prognoz.

MAPE(...) : Oblicza średni bezwzględny błąd procentowy pomiędzy y_true i y_pred .

MSE(...) : Oblicza błąd średniokwadratowy między etykietami i prognoz.

MSLE(...) : Oblicza średnią logarytmiczną squared error między y_true i y_pred .

binary_accuracy(...) : Oblicza jak często przewidywania mecze etykiety binarnych.

binary_crossentropy(...) : oblicza binarny strata crossentropy.

categorical_accuracy(...) : Oblicza jak często przewidywania mecze jeden gorące etykiet.

categorical_crossentropy(...) : Oblicza kategoryczny strata crossentropy.

deserialize(...) : Deserializes zserializowanego metryczną instancję klasy / funkcji.

get(...) : Pobiera Keras metryczny jako function / Metric instancji klasy.

hinge(...) : Oblicza utrata zawias pomiędzy y_true i y_pred .

kl_divergence(...) : Oblicza Kullback-Leiblera strata rozbieżność między y_true i y_pred .

kld(...) : Oblicza Kullback-Leiblera strata rozbieżność między y_true i y_pred .

kullback_leibler_divergence(...) : Oblicza Kullback-Leiblera strata rozbieżność między y_true i y_pred .

mae(...) : Oblicza średni błąd bezwzględny pomiędzy etykietami i prognoz.

mape(...) : Oblicza średni bezwzględny błąd procentowy pomiędzy y_true i y_pred .

mean_absolute_error(...) : Oblicza średni błąd bezwzględny pomiędzy etykietami i prognoz.

mean_absolute_percentage_error(...) : Oblicza średni bezwzględny błąd procentowy pomiędzy y_true i y_pred .

mean_squared_error(...) : Oblicza błąd średniokwadratowy między etykietami i prognoz.

mean_squared_logarithmic_error(...) : Oblicza średnią logarytmiczną squared error między y_true i y_pred .

mse(...) : Oblicza błąd średniokwadratowy między etykietami i prognoz.

msle(...) : Oblicza średnią logarytmiczną squared error między y_true i y_pred .

poisson(...) : Oblicza utrata Poissona między y_true i y_pred.

serialize(...) : Serializes funkcję metryczną lub Metric instancji.

sparse_categorical_accuracy(...) : Oblicza jak często Wróżby mecze całkowitymi etykiet.

sparse_categorical_crossentropy(...) : Oblicza rzadki kategoryczny strata crossentropy.

sparse_top_k_categorical_accuracy(...) : Oblicza jak często całkowitą cele są w top K prognoz.

squared_hinge(...) : Oblicza kwadrat strata zawias pomiędzy y_true i y_pred .

top_k_categorical_accuracy(...) : Oblicza jak często cele są w top K prognoz.