LossMetric
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Sous-classes indirectes connues BinaryCrossentropy <T étend TNumber >, CategoricalCrossentropy <T étend TNumber >, CategoricalHinge <T étend TNumber >, CosineSimilarity <T étend TNumber >, Hinge <T étend TNumber >, KLDivergence <T étend TNumber >, LogCoshError <T étend TNumber >, MeanAbsoluteError <T étend TNumber >, MeanAbsolutePercentageError <T étend TNumber >, MeanSquaredError <T étend TNumber >, MeanSquaredLogarithmicError <T étend TNumber >, Poisson <T étend TNumber >, SparseCategoricalCrossentropy <T étend TNumber >, SquaredHinge <T étend TNumber > BinaryCrossentropy <T étend TNumber > | Une métrique qui calcule la perte d'entropie croisée binaire entre les étiquettes réelles et les étiquettes prédites. | CategoricalCrossentropy <T étend TNumber > | Une métrique qui calcule la perte d'entropie croisée catégorielle entre les étiquettes réelles et les étiquettes prédites. | CategoricalHinge <T étend TNumber > | Une métrique qui calcule la métrique de perte de charnière catégorielle entre les étiquettes et les prédictions. | CosineSimilarity <T étend TNumber > | Métrique qui calcule la métrique de similarité cosinus entre les étiquettes et les prédictions. | Charnière <T étend TNombre > | Une métrique qui calcule la métrique de perte de charnière entre les étiquettes et les prédictions. | KLDivergence <T étend TNumber > | Une métrique qui calcule la métrique de perte de divergence Kullback-Leibler entre les étiquettes et les prédictions. | LogCoshError <T étend TNumber > | Métrique qui calcule le logarithme du cosinus hyperbolique de la métrique d’erreur de prédiction entre les étiquettes et les prédictions. | MeanAbsoluteError <T étend TNumber > | Métrique qui calcule la moyenne de la différence absolue entre les étiquettes et les prédictions. | MeanAbsolutePercentageError <T étend TNumber > | Métrique qui calcule la moyenne de la différence absolue entre les étiquettes et les prédictions. | MeanSquaredError <T étend TNumber > | Métrique qui calcule la moyenne de la différence absolue entre les étiquettes et les prédictions. | MeanSquaredLogarithmicError <T étend TNumber > | Métrique qui calcule la moyenne de la différence absolue entre les étiquettes et les prédictions. | Poisson <T étend TNumber > | Une métrique qui calcule la métrique de perte de poisson entre les étiquettes et les prédictions. | SparseCategoricalCrossentropy <T étend TNumber > | Une métrique qui calcule la perte d'entropie croisée catégorielle clairsemée entre les étiquettes réelles et les étiquettes prédites. | SquaredHinge <T étend TNumber > | Métrique qui calcule la métrique de perte de charnière carrée entre les étiquettes et les prédictions. |
|
Interface pour les métriques qui encapsulent les fonctions de perte.
Méthodes publiques
public abstract Operand <T> appel ( Operand <? extends TNumber > labels, Operand <? extends TNumber > prédictions)
Calcule la perte pondérée entre labels
et predictions
Paramètres
Étiquettes | les valeurs ou étiquettes de vérité |
---|
prédictions | les prédictions |
---|
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2023/12/01 (UTC).
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Il n'y a pas l'information dont j'ai besoin"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Trop compliqué/Trop d'étapes"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Obsolète"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problème de traduction"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Mauvais exemple/Erreur de code"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Autre"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Facile à comprendre"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"J'ai pu résoudre mon problème"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Autre"
}]