MeanMetricWrapper
Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
Bilinen Doğrudan Alt Sınıflar BinaryCrossentropy <T extends TNumber >, CategoricalCrossentropy <T extends TNumber >, CategoricalHinge <T extends TNumber >, CosineSimilarity <T extends TNumber >, Menteşe <T extends TNumber >, KLDivergence <T extends TNumber >, LogCoshError <T extends TNumber >, MeanAbsoluteError <T extends TNumber >, MeanAbsolutePercentageError <T extends TNumber >, MeanSquaredError <T extends TNumber >, MeanSquaredLogarithmicError <T extends TNumber >, Poisson <T extends TNumber >, SparseCategoricalCrossentropy <T extends TNumber >, SquaredHinge <T extends TNumber > | İkili Çapraz Sentropi <T TNumber'ı genişletir > | Gerçek etiketler ve tahmin edilen etiketler arasındaki ikili çapraz entropi kaybını hesaplayan bir Metrik. | | Kategorik Çapraztropi <T TNumber'ı genişletir > | Gerçek etiketler ile tahmin edilen etiketler arasındaki kategorik çapraz entropi kaybını hesaplayan bir Metrik. | | Kategorik Menteşe <T TNumber'ı genişletir > | Etiketler ve tahminler arasındaki kategorik menteşe kaybı ölçüsünü hesaplayan bir Metrik. | | Kosinüs Benzerliği <T, TSayısını genişletir > | Etiketler ve tahminler arasındaki kosinüs benzerliği ölçümünü hesaplayan bir ölçüm. | | Menteşe <T TNumber'ı uzatır > | Etiketler ve tahminler arasındaki menteşe kaybı ölçümünü hesaplayan bir ölçüm. | | KLDıraksama <T TNumber'ı genişletir > | Etiketler ve tahminler arasındaki Kullback-Leibler sapma kaybı metriğini hesaplayan bir metrik. | | LogCoshError <T TNumber'ı genişletir > | Etiketler ve tahminler arasındaki tahmin hatası ölçümünün hiperbolik kosinüsünün logaritmasını hesaplayan bir ölçüm. | | MeanAbsoluteError <T TNumber'ı genişletir > | Etiketler ve tahminler arasındaki mutlak farkın ortalamasını hesaplayan bir ölçüm. | | MeanAbsolutePercentageError <T, TNumber'ı genişletir > | Etiketler ve tahminler arasındaki mutlak farkın ortalamasını hesaplayan bir ölçüm. | | MeanSquaredError <T, TNumber'ı genişletir > | Etiketler ve tahminler arasındaki mutlak farkın ortalamasını hesaplayan bir ölçüm. | | MeanSquaredLogarithmicError <T, TNumber'ı genişletir > | Etiketler ve tahminler arasındaki mutlak farkın ortalamasını hesaplayan bir ölçüm. | | Poisson <T TNumber'ı genişletir > | Etiketler ve tahminler arasındaki poisson kaybı ölçümünü hesaplayan bir ölçüm. | | SparseCategoricalCrossentropy <T, TNumber'ı genişletir > | Gerçek etiketler ile tahmin edilen etiketler arasındaki seyrek kategorik çapraz entropi kaybını hesaplayan bir ölçüm. | | Kare Menteşe <T TNumber'ı genişletir > | Etiketler ve tahminler arasındaki karesel menteşe kaybı metriğini hesaplayan bir ölçüm. |
|
WEIGHTED_MEAN azaltmasını kullanarak durum bilgisi olmayan bir kayıp işlevini Mean metriği ile birleştiren bir sınıf.
Kayıp işlevi, labels ve predictions arasındaki kaybı hesaplar ve ardından bu kaybı, birçok yineleme veya dönem boyunca kaybın ağırlıklı ortalamasını hesaplamak için Mean metriğine iletir.
Kalıtsal Yöntemler
Java.lang.Object sınıfından | boolean | eşittir (Nesne arg0) |
| son Sınıf<?> | getClass () |
| int | hash kodu () |
| son boşluk | bildir () |
| son boşluk | tümünü bildir () |
| Sicim | toString () |
| son boşluk | bekle (uzun arg0, int arg1) |
| son boşluk | bekle (uzun arg0) |
| son boşluk | Beklemek () |
Genel Yöntemler
public List< Op > updateStateList ( İşlenen <? TNumber'ı genişletir > etiketler, İşlenen <? TNumber'ı genişletir > tahminler, İşlenen <? TNumber'ı genişletir > sampleWeights)
Birçok yinelemede kaybın ağırlıklı ortalamasını hesaplamak için kayıp işlevini çağırarak ve kaybı Ortalama metriğe ileterek ortalama metriğin durumunu güncelleyen İşlemler oluşturur.
Parametreler
| etiketler | doğruluk değerleri veya etiketleri |
|---|
| tahminler | tahminler |
|---|
| örnekAğırlıklar | İsteğe bağlı sampleWeights, kayıp için bir katsayı görevi görür. Bir skaler sağlanırsa, kayıp verilen değere göre ölçeklendirilir. sampleWeights, [batch_size] boyutunda bir tensör ise, o zaman partinin her numunesi için toplam kayıp, sampleWeights vektöründeki karşılık gelen öğe tarafından yeniden ölçeklendirilir. SampleWeights'ın şekli [batch_size, d0, .. dN-1] ise (veya bu şekle yayınlanabiliyorsa), o zaman tahminlerin her kayıp öğesi, sampleWeights'ın karşılık gelen değerine göre ölçeklenir. (DN-1 ile ilgili not: tüm kayıp fonksiyonları 1 boyut azalır, genellikle eksen=-1 olur.) |
|---|
İadeler
- Ortalama durum değişkenlerini güncelleyen kontrol işlemlerinin listesi.
Aksi belirtilmediği sürece bu sayfanın içeriği Creative Commons Atıf 4.0 Lisansı altında ve kod örnekleri Apache 2.0 Lisansı altında lisanslanmıştır. Ayrıntılı bilgi için Google Developers Site Politikaları'na göz atın. Java, Oracle ve/veya satış ortaklarının tescilli ticari markasıdır.
Son güncelleme tarihi: 2025-07-26 UTC.
[[["Anlaması kolay","easyToUnderstand","thumb-up"],["Sorunumu çözdü","solvedMyProblem","thumb-up"],["Diğer","otherUp","thumb-up"]],[["İhtiyacım olan bilgiler yok","missingTheInformationINeed","thumb-down"],["Çok karmaşık / çok fazla adım var","tooComplicatedTooManySteps","thumb-down"],["Güncel değil","outOfDate","thumb-down"],["Çeviri sorunu","translationIssue","thumb-down"],["Örnek veya kod sorunu","samplesCodeIssue","thumb-down"],["Diğer","otherDown","thumb-down"]],["Son güncelleme tarihi: 2025-07-26 UTC."],[],[]]
