Reduce
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
| Subkelas Langsung yang Diketahui |
Subkelas Tidak Langsung yang Diketahui BinaryCrossentropy <T extends TNumber >, CategoricalCrossentropy <T extends TNumber >, CategoricalHinge <T extends TNumber >, CosineSimilarity <T extends TNumber >, Engsel <T extends TNumber >, KLDivergence <T extends TNumber >, LogCoshError <T extends TNumber >, MeanAbsoluteError <T memperluas TNumber >, MeanAbsolutePercentageError <T memperluas TNumber >, MeanMetricWrapper <T memperluas TNumber >, MeanSquaredError <T memperluas TNumber >, MeanSquaredLogarithmicError <T memperluas TNumber >, Poisson <T memperluas TNumber >, SparseCategoricalCrossentropy <T memperluas TNumber >, SquaredHinge < T memperluas TNomor > | BinaryCrossentropy <T memperluas TNumber > | Metrik yang menghitung kerugian entropi silang biner antara label sebenarnya dan label prediksi. | | Crossentropy Kategoris <T extends TNumber > | Metrik yang menghitung kerugian entropi silang kategoris antara label sebenarnya dan label prediksi. | | Engsel Kategoris <T memperluas Nomor T > | Metrik yang menghitung metrik kerugian engsel kategoris antara label dan prediksi. | | CosineSimilarity <T extends TNumber > | Metrik yang menghitung metrik kesamaan kosinus antara label dan prediksi. | | Engsel <T memanjang TNomor > | Metrik yang menghitung metrik kerugian engsel antara label dan prediksi. | | KLDivergence <T memperluas TNumber > | Metrik yang menghitung metrik kerugian divergensi Kullback-Leibler antara label dan prediksi. | | LogCoshError <T memperluas TNumber > | Metrik yang menghitung logaritma kosinus hiperbolik metrik kesalahan prediksi antara label dan prediksi. | | MeanAbsoluteError <T memperluas TNumber > | Metrik yang menghitung rata-rata perbedaan absolut antara label dan prediksi. | | MeanAbsolutePercentageError <T memperluas TNumber > | Metrik yang menghitung rata-rata perbedaan absolut antara label dan prediksi. | | MeanMetricWrapper <T memperluas TNumber > | Kelas yang menjembatani fungsi kerugian tanpa status dengan metrik Mean menggunakan pengurangan WEIGHTED_MEAN . | | MeanSquaredError <T memperluas TNumber > | Metrik yang menghitung rata-rata perbedaan absolut antara label dan prediksi. | | MeanSquaredLogarithmicError <T memperluas TNumber > | Metrik yang menghitung rata-rata perbedaan absolut antara label dan prediksi. | | Poisson <T memperluas TNomber > | Metrik yang menghitung metrik kehilangan racun antara label dan prediksi. | | SparseCategoricalCrossentropy <T extends TNumber > | Metrik yang menghitung kerugian entropi silang kategoris yang jarang antara label sebenarnya dan label prediksi. | | SquaredHinge <T memperluas TNumber > | Metrik yang menghitung metrik kerugian engsel kuadrat antara label dan prediksi. |
|
Meringkas metrik yang melakukan operasi pengurangan pada nilai metrik.
Metode Warisan
Dari kelas java.lang.Object | boolean | sama dengan (Objek arg0) |
| Kelas terakhir<?> | dapatkan Kelas () |
| ke dalam | Kode hash () |
| kekosongan terakhir | memberitahu () |
| kekosongan terakhir | beri tahuSemua () |
| Rangkaian | keString () |
| kekosongan terakhir | tunggu (arg0 panjang, int arg1) |
| kekosongan terakhir | tunggu (argumen panjang0) |
| kekosongan terakhir | Tunggu () |
Konstanta
COUNT String akhir statis publik
Nilai Konstan: "hitungan"
TOTAL String akhir statis publik
Metode Publik
Variabel publik <T> getCount ()
Mendapatkan variabel hitungan
Kelas publik<T> getResultType ()
Mendapatkan tipe untuk variabel
Variabel publik <T> getTotal ()
Mendapatkan variabel total
Status pengaturan ulang Op publik ()
Menyetel ulang variabel status apa pun ke nilai awalnya
Kembali
- operasi kontrol untuk melakukan reset
Operan publik <T> hasil ()
Mendapatkan hasil metrik saat ini
Kembali
- hasilnya, mungkin dengan ketergantungan kontrol
Daftar publik< Op > updateStateList ( Operan <? extends TNumber > nilai, Operan <? extends TNumber > sampleWeights)
Memperbarui variabel metrik berdasarkan masukan. Setidaknya satu argumen masukan diperlukan untuk values , masukan tambahan opsional untuk sampleWeights
Parameter
| nilai-nilai | input yang akan diteruskan ke status pembaruan, ini tidak boleh nol |
|---|
| sampelBerat | bobot sampel yang akan diterapkan pada nilai, mungkin nol. |
|---|
Kembali
- hasilnya dengan ketergantungan kontrol pada status pembaruan Operan
Melempar
| Pengecualian Argumen Ilegal | jika nilainya nol |
|---|
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2023-12-01 UTC.
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"Informasi yang saya butuhkan tidak ada"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"Terlalu rumit/langkahnya terlalu banyak"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"Sudah usang"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"Masalah terjemahan"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"Masalah kode / contoh"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"Lainnya"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"Mudah dipahami"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"Memecahkan masalah saya"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"Lainnya"
}]
