Python tf.keras.metrics.RecallAtPrecision用法及代码示例

计算精度 >= 指定值的最佳召回率。

继承自：Metric、Layer、Module

用法

tf.keras.metrics.RecallAtPrecision(
    precision, num_thresholds=200, class_id=None, name=None, dtype=None
)

对于给定的score-label-distribution，可能无法实现所需的精度，在这种情况下，0.0 作为召回返回。

该指标创建四个局部变量，true_positives , true_negatives , false_positives 和 false_negatives，用于计算给定精度的召回率。计算给定精度值的阈值并用于评估相应的召回率。

如果 sample_weight 是 None ，则权重默认为 1。使用 0 的 sample_weight 来屏蔽值。

如果指定了class_id，我们通过仅考虑批次中class_id 高于阈值预测的条目来计算精度，并计算其中class_id 确实是正确标签的部分。

单机使用：

m = tf.keras.metrics.RecallAtPrecision(0.8)
m.update_state([0, 0, 1, 1], [0, 0.5, 0.3, 0.9])
m.result().numpy()
0.5

m.reset_state()
m.update_state([0, 0, 1, 1], [0, 0.5, 0.3, 0.9],
               sample_weight=[1, 0, 0, 1])
m.result().numpy()
1.0

compile() API 的用法：

model.compile(
    optimizer='sgd',
    loss='mse',
    metrics=[tf.keras.metrics.RecallAtPrecision(precision=0.8)])