MeanAbsolutePercentageError

clase pública MeanAbsolutePercentageError

Calcula el error porcentual absoluto medio entre etiquetas y predicciones.

loss = 100 * abs(labels - predictions) / labels

Uso independiente:

    Operand<TFloat32> labels =
        tf.constant(new float[][] { {2.f, 1.f}, {2.f, 3.f} });
    Operand<TFloat32> predictions =
        tf.constant(new float[][] { {1.f, 1.f}, {1.f, 0.f} });
    MeanAbsolutePercentageError mape = new MeanAbsolutePercentageError(tf);
    Operand<TFloat32> result = mape.call(labels, predictions);
    // produces 50f
 

Llamar con peso de muestra:

    Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.7f, 0.3f});
    Operand<TFloat32> result = mape.call(labels, predictions, sampleWeight);
    // produces 20f
 

Usando el tipo de reducción SUM :

    MeanAbsolutePercentageError mape = new MeanAbsolutePercentageError(tf, Reduction.SUM);
    Operand<TFloat32> result = mape.call(labels, predictions);
    // produces 100.0f
 

Usando NONE tipo de reducción:

    MeanAbsolutePercentageError mape = new MeanAbsolutePercentageError(tf, Reduction.NONE);
    Operand<TFloat32> result = mape.call(labels, predictions);
    // produces [25f, 75f]
 

Campos heredados

De la clase org.tensorflow.framework.losses.Loss

Reducción final estática pública

REDUCTION_DEFAULT

Constructores públicos

	MeanAbsolutePercentageError (Ops tf) Crea una pérdida MeanAbsolutePercentageError usando getSimpleName() como nombre de pérdida y una reducción de pérdida de REDUCTION_DEFAULT
	MeanAbsolutePercentageError (Ops tf, Reducción de reducción) Crea una pérdida MeanAbsolutePercentageError usando getSimpleName() como el nombre de la pérdida
	MeanAbsolutePercentageError (Ops tf, nombre de cadena, reducción de reducción) Crea un MeanAbsolutePercentageError

Métodos públicos

<T extiende TNumber > Operando <T>

llamada ( operando <? extiende TNumber > etiquetas, operando <T> predicciones, operando <T> sampleWeights) Genera un operando que calcula la pérdida.

Métodos heredados

De la clase org.tensorflow.framework.losses.Loss

resumen <T extiende TNumber > Operando <T>	llamada ( operando <? extiende TNumber > etiquetas, operando <T> predicciones, operando <T> sampleWeights) Genera un operando que calcula la pérdida.
<T extiende TNumber > Operando <T>	llamada ( operando <? extiende etiquetas TNumber >, predicciones operando <T>) Calcula la perdida
Reducción	getReduction () Obtiene la reducción de pérdidas
Ops	getTF () Obtiene las operaciones de TensorFlow

De la clase java.lang.Object

booleano	es igual a (Objeto arg0)
Clase final <?>	getClass ()
En t	hashCode ()
vacío final	notificar ()
vacío final	notificar a todos ()
Cuerda	toString ()
vacío final	esperar (largo arg0, int arg1)
vacío final	espera (largo arg0)
vacío final	esperar ()

Constructores públicos

public MeanAbsolutePercentageError (Ops tf)

Crea una pérdida MeanAbsolutePercentageError utilizando getSimpleName() como nombre de pérdida y una reducción de pérdida de REDUCTION_DEFAULT

Parámetros

tf	las operaciones de TensorFlow

public MeanAbsolutePercentageError (Ops tf, Reducción de reducción)

Crea una pérdida MeanAbsolutePercentageError usando getSimpleName() como el nombre de la pérdida

Parámetros

tf	las operaciones de TensorFlow
reducción	Tipo de Reducción a aplicar al siniestro.

public MeanAbsolutePercentageError (Ops tf, nombre de cadena, reducción de reducción)

Crea un MeanAbsolutePercentageError

Parámetros

tf	las operaciones de TensorFlow
nombre	el nombre de la perdida
reducción	Tipo de Reducción a aplicar al siniestro.

Métodos públicos

pública operando <T> llamada ( Operando <? extiende TNumber > etiquetas, operando <T> predicciones, operando <T> sampleWeights)

Genera un operando que calcula la pérdida.

Parámetros

etiquetas	los valores de verdad o etiquetas
predicciones	las predicciones
sampleWeights	SampleWeights opcional actúa como un coeficiente para la pérdida. Si se proporciona un escalar, entonces la pérdida simplemente se escala por el valor dado. Si SampleWeights es un tensor de tamaño [batch_size], la pérdida total de cada muestra del lote se vuelve a escalar mediante el elemento correspondiente en el vector SampleWeights. Si la forma de SampleWeights es [batch_size, d0, .. dN-1] (o se puede transmitir a esta forma), entonces cada elemento de pérdida de las predicciones se escala por el valor correspondiente de SampleWeights. (Nota sobre dN-1: todas las funciones de pérdida se reducen en 1 dimensión, generalmente eje = -1).

Devoluciones

• la pérdida