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: 2025-07-26 UTC.
[[["Łatwo zrozumieć","easyToUnderstand","thumb-up"],["Rozwiązało to mój problem","solvedMyProblem","thumb-up"],["Inne","otherUp","thumb-up"]],[["Brak potrzebnych mi informacji","missingTheInformationINeed","thumb-down"],["Zbyt skomplikowane / zbyt wiele czynności do wykonania","tooComplicatedTooManySteps","thumb-down"],["Nieaktualne treści","outOfDate","thumb-down"],["Problem z tłumaczeniem","translationIssue","thumb-down"],["Problem z przykładami/kodem","samplesCodeIssue","thumb-down"],["Inne","otherDown","thumb-down"]],["Ostatnia aktualizacja: 2025-07-26 UTC."],[],[]]
