Aprenda o que há de mais recente em aprendizado de máquina, IA generativa e muito mais no WiML Symposium 2023
Registre-se
LossMetric
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Subclasses indiretas conhecidas BinaryCrossentropy <T estende TNumber >, CategoricalCrossentropy <T estende TNumber >, CategoricalHinge <T estende TNumber >, CosineSimilarity <T estende TNumber >, dobradiça <T estende TNumber >, KLDivergence <T estende TNumber >, LogCoshError <T estende TNumber >, MeanAbsoluteError <T estende TNumber >, MeanAbsolutePercentageError <T estende TNumber >, MeanSquaredError <T estende TNumber >, MeanSquaredLogarithmicError <T estende TNumber >, Poisson <T estende TNumber >, SparseCategoricalCrossentropy <T estende TNumber >, SquaredHinge <T estende TNumber > | BinaryCrossentropy <T extends TNumber > | Uma métrica que calcula a perda de entropia cruzada binária entre rótulos verdadeiros e rótulos previstos. | | CategoricalCrossentropy <T extends TNumber > | Uma métrica que calcula a perda de entropia cruzada categórica entre rótulos verdadeiros e rótulos previstos. | | CategoricalHinge <T extends TNumber > | Uma métrica que calcula a métrica de perda de dobradiça categórica entre rótulos e previsões. | | CosineSimilarity <T extends TNumber > | Uma métrica que calcula a métrica de similaridade de cosseno entre rótulos e previsões. | | Dobradiça <T estende TNumber > | Uma métrica que calcula a métrica de perda de dobradiça entre rótulos e previsões. | | KLDivergence <T extends TNumber > | Uma métrica que calcula a métrica de perda de divergência Kullback-Leibler entre rótulos e previsões. | | LogCoshError <T extends TNumber > | Uma métrica que calcula o logaritmo do cosseno hiperbólico da métrica de erro de previsão entre rótulos e previsões. | | MeanAbsoluteError <T extends TNumber > | Uma métrica que calcula a média da diferença absoluta entre rótulos e previsões. | | MeanAbsolutePercentageError <T extends TNumber > | Uma métrica que calcula a média da diferença absoluta entre rótulos e previsões. | | MeanSquaredError <T extends TNumber > | Uma métrica que calcula a média da diferença absoluta entre rótulos e previsões. | | MeanSquaredLogarithmicError <T extends TNumber > | Uma métrica que calcula a média da diferença absoluta entre rótulos e previsões. | | Poisson <T extends TNumber > | Uma métrica que calcula a métrica de perda de Poisson entre rótulos e previsões. | | SparseCategoricalCrossentropy <T extends TNumber > | Uma métrica que calcula a perda de entropia cruzada categórica esparsa entre rótulos verdadeiros e rótulos previstos. | | SquaredHinge <T extends TNumber > | Uma métrica que calcula a métrica de perda de dobradiça quadrada entre rótulos e previsões. |
|
Interface para métricas que envolvem funções de perda.
Métodos Públicos
public abstract Operando <T> chamada ( Operando <? estende TNumber > etiquetas, Operando <? estende TNumber > previsões)
Calcula a perda ponderada entre labels e predictions
Parâmetros
| rótulos | os valores verdadeiros ou rótulos |
|---|
| previsões | as previsões |
|---|
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons, e as amostras de código são licenciadas de acordo com a Licença Apache 2.0. Para mais detalhes, consulte as políticas do site do Google Developers. Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2021-04-01 UTC.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Não contém as informações de que eu preciso"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Muito complicado / etapas demais"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Desatualizado"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problema na tradução"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Problema com as amostras / o código"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Outro"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Fácil de entender"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Meu problema foi resolvido"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Outro"
}]
