LossMetric

interface publique LossMetric

Sous-classes indirectes connues BinaryCrossentropy <T étend TNumber >, CategoricalCrossentropy <T étend TNumber >, CategoricalHinge <T étend TNumber >, CosineSimilarity <T étend TNumber >, Hinge <T étend TNumber >, KLDivergence <T étend TNumber >, LogCoshError <T étend TNumber >, MeanAbsoluteError <T étend TNumber >, MeanAbsolutePercentageError <T étend TNumber >, MeanSquaredError <T étend TNumber >, MeanSquaredLogarithmicError <T étend TNumber >, Poisson <T étend TNumber >, SparseCategoricalCrossentropy <T étend TNumber >, SquaredHinge <T étend TNumber > BinaryCrossentropy <T étend TNumber > Une métrique qui calcule la perte d'entropie croisée binaire entre les étiquettes réelles et les étiquettes prédites. CategoricalCrossentropy <T étend TNumber > Une métrique qui calcule la perte d'entropie croisée catégorielle entre les étiquettes réelles et les étiquettes prédites. CategoricalHinge <T étend TNumber > Une métrique qui calcule la métrique de perte de charnière catégorielle entre les étiquettes et les prédictions. CosineSimilarity <T étend TNumber > Métrique qui calcule la métrique de similarité cosinus entre les étiquettes et les prédictions. Charnière <T étend TNombre > Une métrique qui calcule la métrique de perte de charnière entre les étiquettes et les prédictions. KLDivergence <T étend TNumber > Une métrique qui calcule la métrique de perte de divergence Kullback-Leibler entre les étiquettes et les prédictions. LogCoshError <T étend TNumber > Métrique qui calcule le logarithme du cosinus hyperbolique de la métrique d’erreur de prédiction entre les étiquettes et les prédictions. MeanAbsoluteError <T étend TNumber > Métrique qui calcule la moyenne de la différence absolue entre les étiquettes et les prédictions. MeanAbsolutePercentageError <T étend TNumber > Métrique qui calcule la moyenne de la différence absolue entre les étiquettes et les prédictions. MeanSquaredError <T étend TNumber > Métrique qui calcule la moyenne de la différence absolue entre les étiquettes et les prédictions. MeanSquaredLogarithmicError <T étend TNumber > Métrique qui calcule la moyenne de la différence absolue entre les étiquettes et les prédictions. Poisson <T étend TNumber > Une métrique qui calcule la métrique de perte de poisson entre les étiquettes et les prédictions. SparseCategoricalCrossentropy <T étend TNumber > Une métrique qui calcule la perte d'entropie croisée catégorielle clairsemée entre les étiquettes réelles et les étiquettes prédites. SquaredHinge <T étend TNumber > Métrique qui calcule la métrique de perte de charnière carrée entre les étiquettes et les prédictions.

Interface pour les métriques qui encapsulent les fonctions de perte.

Méthodes publiques

Opérande abstrait <T>

appel ( Opérande <? étend TNumber > étiquettes, Opérande <? étend TNumber > prédictions) Calcule la perte pondérée entre labels et predictions

Méthodes publiques

public abstract Operand <T> appel ( Operand <? extends TNumber > labels, Operand <? extends TNumber > prédictions)

Calcule la perte pondérée entre labels et predictions

Paramètres

Étiquettes	les valeurs ou étiquettes de vérité
prédictions	les prédictions

Retour

• la perte