Python mxnet.metric.PearsonCorrelation用法及代码示例

用法: class mxnet.metric.PearsonCorrelation(name='pearsonr', output_names=None, label_names=None, average='macro')

参数：

name：(str) - 此度量实例的名称用于显示。
output_names：(list of str, or None) - 使用update_dict 更新时应使用的预测名称。默认情况下包括所有预测。
label_names：(list of str, or None) - 使用update_dict 更新时应使用的标签名称。默认情况下包括所有标签。
average：(str, default 'macro') -

用于跨小批量聚合的策略。
”macro”：平均每个批次的 pearsonr 分数。 “micro”：计算所有批次的单个 pearsonr 分数。

基础： mxnet.metric.EvalMetric

计算 Pearson 相关性。

皮尔逊相关性由下式给出

\[\frac{cov(y, \hat{y})}{\sigma{y}\sigma{\hat{y}}}\]

例子：

>>> predicts = [mx.nd.array([[0.3, 0.7], [0, 1.], [0.4, 0.6]])]
>>> labels   = [mx.nd.array([[1, 0], [0, 1], [0, 1]])]
>>> pr = mx.metric.PearsonCorrelation()
>>> pr.update(labels, predicts)
>>> print pr.get()
('pearsonr', 0.42163704544016178)

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.metric.PearsonCorrelation。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。