为逻辑回归创建 Head
。
继承自:RegressionHead
,Head
用法
tf.estimator.LogisticRegressionHead(
weight_column=None, loss_reduction=tf.losses.Reduction.SUM_OVER_BATCH_SIZE,
name=None
)
参数
-
weight_column
由tf.feature_column.numeric_column
创建的字符串或NumericColumn
定义表示权重的特征列。它用于在训练期间减轻重量或增加示例。它将乘以示例的损失。 -
loss_reduction
tf.losses.Reduction
之一,除了NONE
。决定如何减少批次和标签维度的训练损失。默认为SUM_OVER_BATCH_SIZE
,即损失的加权总和除以batch size * label_dimension
。 -
name
头的名字。如果提供,摘要和指标键将以"/" + name
为后缀。创建操作时也用作name_scope
。
属性
-
logits_dimension
有关详细信息,请参阅base_head.Head
。 -
loss_reduction
有关详细信息,请参阅base_head.Head
。 -
name
有关详细信息,请参阅base_head.Head
。
使用 sigmoid_cross_entropy_with_logits
损失,与 BinaryClassHead
相同。与BinaryClassHead
相比的差异是:
- 不支持
label_vocabulary
。相反,标签必须在 [0, 1] 范围内浮点数。 - 不计算一些没有意义的指标,例如 AUC。
- 在
PREDICT
模式下,仅返回 logits 和预测 (=tf.sigmoid(logits)
),而BinaryClassHead
还返回概率、类和 class_ids。 - 导出输出默认为
RegressionOutput
,而BinaryClassHead
默认为PredictOutput
。
头部期望 logits
形状为 [D0, D1, ... DN, 1]
。在许多应用程序中,形状是 [batch_size, 1]
。
labels
形状必须匹配 logits
,即 [D0, D1, ... DN]
或 [D0, D1, ... DN, 1]
。
如果指定了 weight_column
,则权重的形状必须为 [D0, D1, ... DN]
或 [D0, D1, ... DN, 1]
。
这是作为广义线性模型实现的,请参阅 https://en.wikipedia.org/wiki/Generalized_linear_model
头部可以与罐装估计器一起使用。例子:
my_head = tf.estimator.LogisticRegressionHead()
my_estimator = tf.estimator.DNNEstimator(
head=my_head,
hidden_units=...,
feature_columns=...)
它也可以与自定义 model_fn
一起使用。例子:
def _my_model_fn(features, labels, mode):
my_head = tf.estimator.LogisticRegressionHead()
logits = tf.keras.Model(...)(features)
return my_head.create_estimator_spec(
features=features,
mode=mode,
labels=labels,
optimizer=tf.keras.optimizers.Adagrad(lr=0.1),
logits=logits)
my_estimator = tf.estimator.Estimator(model_fn=_my_model_fn)
相关用法
- Python tf.estimator.LoggingTensorHook用法及代码示例
- Python tf.estimator.LinearRegressor用法及代码示例
- Python tf.estimator.LinearEstimator用法及代码示例
- Python tf.estimator.LinearClassifier用法及代码示例
- Python tf.estimator.TrainSpec用法及代码示例
- Python tf.estimator.MultiHead用法及代码示例
- Python tf.estimator.PoissonRegressionHead用法及代码示例
- Python tf.estimator.WarmStartSettings用法及代码示例
- Python tf.estimator.experimental.stop_if_lower_hook用法及代码示例
- Python tf.estimator.RunConfig用法及代码示例
- Python tf.estimator.MultiLabelHead用法及代码示例
- Python tf.estimator.experimental.stop_if_no_increase_hook用法及代码示例
- Python tf.estimator.BaselineEstimator用法及代码示例
- Python tf.estimator.DNNLinearCombinedEstimator用法及代码示例
- Python tf.estimator.Estimator用法及代码示例
- Python tf.estimator.experimental.LinearSDCA用法及代码示例
- Python tf.estimator.experimental.RNNClassifier用法及代码示例
- Python tf.estimator.experimental.make_early_stopping_hook用法及代码示例
- Python tf.estimator.DNNClassifier用法及代码示例
- Python tf.estimator.BaselineClassifier用法及代码示例
注:本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.estimator.LogisticRegressionHead。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。