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
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> |
Métodos heredados
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