כיתה ציבורית MeanAbsolutePercentageError
מחשב את השגיאה הממוצעת באחוז מוחלט בין תוויות ותחזיות.
loss = 100 * abs(labels - predictions) / labels
שימוש עצמאי:
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
מתקשר עם משקל לדוגמה:
Operand<TFloat32> sampleWeight = tf.constant(new float[] {0.7f, 0.3f}); Operand<TFloat32> result = mape.call(labels, predictions, sampleWeight); // produces 20f
שימוש בסוג הפחתת SUM
:
MeanAbsolutePercentageError mape = new MeanAbsolutePercentageError(tf, Reduction.SUM); Operand<TFloat32> result = mape.call(labels, predictions); // produces 100.0f
שימוש בסוג הפחתה NONE
:
MeanAbsolutePercentageError mape = new MeanAbsolutePercentageError(tf, Reduction.NONE); Operand<TFloat32> result = mape.call(labels, predictions); // produces [25f, 75f]
שדות בירושה
בונים ציבוריים
MeanAbsolutePercentageError (Ops tf) יוצר הפסד MeanAbsolutePercentageError באמצעות getSimpleName() כשם ההפסד והפחתת הפסד של REDUCTION_DEFAULT | |
MeanAbsolutePercentageError (Ops tf, הפחתת הפחתה ) יוצר MeanAbsolutePercentageError Loss באמצעות getSimpleName() כשם ההפסד | |
שיטות ציבוריות
<T מרחיב את TNummer > Operand <T> | קריאה ( Operand <? מרחיב את התוויות של TNomber >, תחזיות Operand <T>, Oprand <T> sampleWeights) יוצר אופרנד שמחשב את ההפסד. |
שיטות בירושה
בונים ציבוריים
public MeanAbsolutePercentageError (Ops tf)
יוצר הפסד MeanAbsolutePercentageError באמצעות getSimpleName()
כשם ההפסד והפחתת הפסד של REDUCTION_DEFAULT
פרמטרים
tf | ה- TensorFlow Ops |
---|
public MeanAbsolutePercentageError (Ops tf, הפחתת הפחתה )
יוצר MeanAbsolutePercentageError Loss באמצעות getSimpleName()
כשם ההפסד
פרמטרים
tf | ה- TensorFlow Ops |
---|---|
צִמצוּם | סוג ההפחתה שיחול על ההפסד. |
public MeanAbsolutePercentageError (Ops tf, שם מחרוזת, הפחתת צמצום )
יוצר שגיאה MeanAbsolutePercentage
פרמטרים
tf | ה- TensorFlow Ops |
---|---|
שֵׁם | שם האובדן |
צִמצוּם | סוג ההפחתה שיחול על ההפסד. |
שיטות ציבוריות
קריאת Operand <T> ציבורית ( Operand <? מרחיב את התוויות של TNumber >, תחזיות Operand <T>, Oprand <T> דוגמת משקלים)
יוצר אופרנד שמחשב את ההפסד.
פרמטרים
תוויות | ערכי האמת או התוויות |
---|---|
תחזיות | את התחזיות |
משקולות לדוגמה | SampleWeights אופציונליים פועלים כמקדם לאובדן. אם מסופק סקלר, אז ההפסד פשוט מוגדל לפי הערך הנתון. אם SampleWeights הוא טנסור בגודל [batch_size], אז ההפסד הכולל עבור כל דגימה של האצווה משתנה מחדש על ידי האלמנט המתאים בוקטור SampleWeights. אם הצורה של SampleWeights היא [batch_size, d0, ..dN-1] (או שניתן לשדר אותה לצורה זו), אז כל רכיב אובדן של חיזויים משתנה לפי הערך המתאים של SampleWeights. (הערה לגבי dN-1: כל פונקציות האובדן מצטמצמות בממד אחד, בדרך כלל ציר=-1.) |
החזרות
- ההפסד