Esta página foi traduzida pela API Cloud Translation.
Switch to English

Módulo: tf.keras.metrics

Versão do TensorFlow 1

Métricas integradas.

Aulas

class AUC : Calcula a AUC aproximada (área sob a curva) por meio de uma soma de Riemann.

class Accuracy : Calcula a frequência com que as previsões são iguais aos rótulos.

class BinaryAccuracy : Calcula a frequência com que as previsões correspondem aos rótulos binários.

class BinaryCrossentropy : Calcula a métrica crossentropy entre os rótulos e as previsões.

class CategoricalAccuracy : Calcula a frequência com que as previsões correspondem a rótulos one-hot.

class CategoricalCrossentropy : Calcula a métrica crossentropy entre os rótulos e as previsões.

class CategoricalHinge : Calcula a métrica de dobradiça categórica entre y_true e y_pred .

class CosineSimilarity : Calcula a similaridade de cosseno entre os rótulos e as previsões.

class FalseNegatives : Calcula o número de falsos negativos.

class FalsePositives : Calcula o número de falsos positivos.

class Hinge : Calcula a métrica da dobradiça entre y_true e y_pred .

class KLDivergence : Calcula a métrica de divergência Kullback-Leibler entre y_true e y_pred .

class LogCoshError : Calcula o logaritmo do cosseno hiperbólico do erro de previsão.

class Mean : Calcula a class Mean (ponderada) dos valores dados.

class MeanAbsoluteError : Calcula o erro médio absoluto entre os rótulos e as previsões.

class MeanAbsolutePercentageError : Calcula o erro percentual absoluto médio entre y_true e y_pred .

class MeanIoU : Calcula a métrica média de interseção sobre união.

class MeanRelativeError : Calcula o erro relativo médio normalizando com os valores fornecidos.

class MeanSquaredError : Calcula o erro quadrático médio entre y_true e y_pred .

class MeanSquaredLogarithmicError : Calcula o erro logarítmico médio quadrático entre y_true e y_pred .

class MeanTensor : Calcula a média elemento a elemento (ponderada) dos tensores fornecidos.

class Metric : Encapsula a lógica e o estado da métrica.

class Poisson : Calcula a métrica de Poisson entre y_true e y_pred .

class Precision : Calcula a precisão das previsões em relação aos rótulos.

class PrecisionAtRecall : Calcula a melhor precisão onde a recuperação é> = valor especificado.

class Recall : Calcula a rechamada das predições com respeito aos rótulos.

class RecallAtPrecision : Calcula a melhor rechamada onde a precisão é> = valor especificado.

class RootMeanSquaredError : Calcula a métrica do erro quadrático médio da raiz entre y_true e y_pred .

class SensitivityAtSpecificity : Calcula a melhor sensibilidade onde a especificidade é> = valor especificado.

class SparseCategoricalAccuracy : Calcula com que frequência as previsões correspondem a rótulos de inteiros.

class SparseCategoricalCrossentropy : Calcula a métrica crossentropy entre os rótulos e as previsões.

class SparseTopKCategoricalAccuracy : Calcula a frequência com que os alvos inteiros estão nas K principais previsões.

class SpecificityAtSensitivity : Calcula a melhor especificidade onde a sensibilidade é> = valor especificado.

class SquaredHinge : Calcula a métrica da dobradiça quadrada entre y_true e y_pred .

class Sum : Calcula a soma (ponderada) dos valores dados.

class TopKCategoricalAccuracy : Calcula a frequência com que os alvos estão nas K principais previsões.

class TrueNegatives : Calcula o número de verdadeiros negativos.

class TruePositives : Calcula o número de verdadeiros positivos.

Funções

KLD(...) : Calcula a perda de divergência de Kullback-Leibler entre y_true e y_pred .

MAE(...) : Calcula o erro absoluto médio entre rótulos e previsões.

MAPE(...) : Calcula o erro percentual absoluto médio entre y_true e y_pred .

MSE(...) : Calcula o erro quadrático médio entre os rótulos e as previsões.

MSLE(...) : Calcula o erro logarítmico médio quadrático entre y_true e y_pred .

binary_accuracy(...) : Calcula a frequência com que as previsões correspondem aos rótulos binários.

binary_crossentropy(...) : Calcula a perda binária cruzada.

categorical_accuracy(...) : Calcula a frequência com que as previsões correspondem a rótulos one-hot.

categorical_crossentropy(...) : Calcula a perda de crossentropy categórica.

deserialize(...) : desserializa uma instância de classe / função métrica serializada.

get(...) : Recupera uma métrica Keras como uma function / instância de classe Metric .

hinge(...) : Calcula a perda de dobradiça entre y_true e y_pred .

kl_divergence(...) : Calcula a perda de divergência de Kullback-Leibler entre y_true e y_pred .

kld(...) : Calcula a perda de divergência de Kullback-Leibler entre y_true e y_pred .

kullback_leibler_divergence(...) : Calcula a perda de divergência de Kullback-Leibler entre y_true e y_pred .

mae(...) : Calcula o erro médio absoluto entre rótulos e previsões.

mape(...) : Calcula o erro percentual absoluto médio entre y_true e y_pred .

mean_absolute_error(...) : Calcula o erro médio absoluto entre rótulos e previsões.

mean_absolute_percentage_error(...) : Calcula o erro percentual absoluto médio entre y_true e y_pred .

mean_squared_error(...) : Calcula o erro quadrático médio entre rótulos e previsões.

mean_squared_logarithmic_error(...) : Calcula o erro logarítmico médio quadrático entre y_true e y_pred .

mse(...) : Calcula o erro quadrático médio entre rótulos e previsões.

msle(...) : Calcula o erro logarítmico médio quadrático entre y_true e y_pred .

poisson(...) : Calcula a perda de Poisson entre y_true e y_pred.

serialize(...) : Serializa a função métrica ou instância Metric .

sparse_categorical_accuracy(...) : Calcula a frequência com que as previsões correspondem aos rótulos inteiros.

sparse_categorical_crossentropy(...) : Calcula a perda categórica cruzada esparsa.

sparse_top_k_categorical_accuracy(...) : Calcula a frequência com que os alvos inteiros estão nas K principais previsões.

squared_hinge(...) : Calcula a perda quadrada da dobradiça entre y_true e y_pred .