MeanMetricWrapper
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Znane podklasy bezpośrednie BinarnyCrossentropia <T rozszerza TNumber >, KategorycznyCrossentropia <T rozszerza TNumber >, KategorycznyHinge <T rozszerza TNumber >, CosinusSimilarity <T rozszerza TNumber >, Zawias <T rozszerza TNumber >, KLDrozbieżność <T rozszerza TNumber >, LogCoshError <T rozszerza TNumber >, MeanAbsoluteE błąd <T rozszerza tnumber >, menabsolutePercentageerror <t rozszerza tnumber >, menedquarederror <t rozszerza tnumber >, MeanquaredLogarytmiCerror <T rozciąga tnumber >, Poisson <t rozszerza tnumber >, Sparsecatecicalcrossentropy <T rozciąga tnumber >, squaredhinge <tnumber> BinarnyCrossentropy <T rozszerza TNumber > | Metryka, która oblicza binarną stratę entropii krzyżowej między prawdziwymi i przewidywanymi etykietami. | KategoryczneCrossentropia <T rozszerza TNumber > | Metryka, która oblicza kategoryczną stratę entropii krzyżowej między prawdziwymi i przewidywanymi etykietami. | KategoriaZawias <T rozszerza TNumber > | Metryka, która oblicza metrykę jakościowej utraty zawiasów między etykietami i prognozami. | Cosinuspodobieństwo <T rozszerza TNumber > | Metryka obliczająca metrykę podobieństwa cosinus między etykietami i przewidywaniami. | Zawias <T rozszerza TNumer > | Metryka, która oblicza metrykę utraty zawiasów między etykietami i przewidywaniami. | KLDrozbieżność <T rozszerza TNumer > | Metryka obliczająca metrykę utraty dywergencji Kullbacka-Leiblera między etykietami i prognozami. | LogCoshError <T rozszerza numer T > | Metryka obliczająca logarytm cosinusa hiperbolicznego metryki błędu przewidywania między etykietami i przewidywaniami. | MeanAbsoluteError <T rozszerza numer T > | Metryka obliczająca średnią bezwzględnej różnicy między etykietami i przewidywaniami. | MeanAbsolutePercentageError <T rozszerza TNumber > | Metryka obliczająca średnią bezwzględnej różnicy między etykietami i przewidywaniami. | MeanSquaredError <T rozszerza TNumber > | Metryka obliczająca średnią bezwzględnej różnicy między etykietami i przewidywaniami. | MeanSquaredLogarithmicError <T rozszerza TNumber > | Metryka obliczająca średnią bezwzględnej różnicy między etykietami i przewidywaniami. | Poissona <T rozszerza numer T > | Metryka obliczająca metrykę strat Poissona między etykietami i prognozami. | RzadkiKategorycznyCrossentropia <T rozszerza TNumber > | Metryka obliczająca rzadką kategoryczną stratę entropii krzyżowej między etykietami rzeczywistymi i etykietami przewidywanymi. | Kwadratowy zawias <T rozszerza TNumer > | Metryka obliczająca kwadratową metrykę strat zawiasów między etykietami i prognozami. |
|
Klasa łącząca funkcję straty bezstanowej z metryką Mean
przy użyciu redukcji WEIGHTED_MEAN
.
Funkcja straty oblicza stratę między labels
i predictions
, a następnie przekazuje tę stratę do metryki Mean
, aby obliczyć średnią ważoną straty w wielu iteracjach lub epokach
Metody dziedziczone
Z klasy java.lang.Object wartość logiczna | równa się (Obiekt arg0) |
ostatnia klasa<?> | pobierzKlasę () |
wew | hashCode () |
ostateczna pustka | powiadomić () |
ostateczna pustka | powiadom wszystkich () |
Strunowy | doString () |
ostateczna pustka | czekaj (długi arg0, int arg1) |
ostateczna pustka | czekaj (długi arg0) |
ostateczna pustka | Czekać () |
Metody publiczne
public List< Op > updateStateList ( Operand <? rozszerza TNumber > etykiety, Operand <? rozszerza TNumber > przewidywania, Operand <? rozszerza TNumber > próbkiWagi)
Tworzy operacje, które aktualizują stan metryki średniej, wywołując funkcję straty i przekazując stratę do metryki Mean w celu obliczenia średniej ważonej straty w wielu iteracjach.
Parametry
etykiety | wartości prawdy lub etykiety |
---|
prognozy | przewidywania |
---|
próbkiWagi | Opcjonalne próbkiWeights działają jako współczynnik straty. Jeśli podany jest skalar, strata jest po prostu skalowana według podanej wartości. Jeśli sampleWeights jest tensorem rozmiaru [batch_size], wówczas całkowita strata dla każdej próbki w partii jest przeskalowana przez odpowiedni element wektora sampleWeights. Jeśli kształt sampleWeights wynosi [batch_size, d0, .. dN-1] (lub może być rozgłaszany do tego kształtu), wówczas każdy element predykcji straty jest skalowany przez odpowiednią wartość sampleWeights. (Uwaga do dN-1: wszystkie funkcje strat zmniejszają się o 1 wymiar, zwykle oś=-1.) |
---|
Zwroty
- a Lista operacji kontrolnych aktualizujących zmienne stanu średniego.
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2023-12-01 UTC.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Brak potrzebnych mi informacji"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Zbyt skomplikowane / zbyt wiele czynności do wykonania"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Nieaktualne treści"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Problem z tłumaczeniem"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Problem z przykładami/kodem"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Inne"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Łatwo zrozumieć"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Rozwiązało to mój problem"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Inne"
}]