Conozca lo último en aprendizaje automático, IA generativa y más en el
Simposio WiML 2023.
LossMetric
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Subclases indirectas conocidas BinaryCrossentropy <T extiende TNumber >, CategoricalCrossentropy <T extiende TNumber >, CategoricalHinge <T extiende TNumber >, CosineSimilarity <T extiende TNumber >, Hinge <T extiende TNumber >, KLDivergence <T extiende TNumber >, LogCoshError <T extiende TNumber >, r <T extiende TNumber >, MeanAbsolutePercentageError <T extiende TNumber >, MeanSquaredError <T extiende TNumber >, MeanSquaredLogarithmicError <T extiende TNumber >, Poisson <T extiende TNumber >, SparseCategoricalCrossentropy <T extiende TNumber >, SquaredHinge <T extiende TNumber >, SquaredHinge < BinaryCrossentropy <T extiende TNumber > | Métrica que calcula la pérdida de entropía cruzada binaria entre etiquetas verdaderas y etiquetas predichas. | CategoricalCrossentropy <T extiende TNumber > | Métrica que calcula la pérdida de entropía cruzada categórica entre etiquetas verdaderas y etiquetas predichas. | CategoricalHinge <T se extiende a TNumber > | Métrica que calcula la métrica de pérdida de bisagra categórica entre etiquetas y predicciones. | CosineSimilarity <T extiende TNumber > | Métrica que calcula la métrica de similitud de coseno entre etiquetas y predicciones. | Bisagra <T extiende TNumber > | Métrica que calcula la métrica de pérdida de bisagra entre etiquetas y predicciones. | KLDivergencia <T extiende TNumber > | Métrica que calcula la métrica de pérdida por divergencia de Kullback-Leibler entre etiquetas y predicciones. | LogCoshError <T extiende TNumber > | Métrica que calcula el logaritmo del coseno hiperbólico de la métrica del error de predicción entre etiquetas y predicciones. | MeanAbsoluteError <T se extiende a TNumber > | Métrica que calcula la media de la diferencia absoluta entre etiquetas y predicciones. | MeanAbsolutePercentageError <T se extiende a TNumber > | Métrica que calcula la media de la diferencia absoluta entre etiquetas y predicciones. | MeanSquaredError <T se extiende a TNumber > | Métrica que calcula la media de la diferencia absoluta entre etiquetas y predicciones. | MeanSquaredLogarithmicError <T se extiende a TNumber > | Métrica que calcula la media de la diferencia absoluta entre etiquetas y predicciones. | Poisson <T extiende TNumber > | Métrica que calcula la métrica de pérdida de Poisson entre etiquetas y predicciones. | SparseCategoricalCrossentropy <T extiende TNumber > | Una métrica que calcula la pérdida de entropía cruzada categórica dispersa entre etiquetas verdaderas y etiquetas predichas. | SquaredHinge <T extiende TNumber > | Métrica que calcula la métrica de pérdida de bisagra al cuadrado entre etiquetas y predicciones. |
|
Interfaz para métricas que envuelven funciones de pérdida.
Métodos públicos
Operando abstracto público <T> llamada ( operando <? extiende TNumber > etiquetas, operando <? extiende TNumber > predicciones)
Calcula la pérdida ponderada entre labels
y predictions
Parámetros
etiquetas | los valores de verdad o etiquetas |
---|
predicciones | las predicciones |
---|
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2021-04-01 (UTC)
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Falta la información que necesito"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Muy complicado o demasiados pasos"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Desactualizado"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problema de traducción"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Problema con las muestras o los códigos"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Otro"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Fácil de comprender"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Resolvió mi problema"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Otro"
}]