当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

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


计算标签和预测之间的平均绝对误差。

用法

tf.keras.metrics.mean_absolute_error(
    y_true, y_pred
)

参数

  • y_true 基本事实值。形状 = [batch_size, d0, .. dN] 。
  • y_pred 预测值。形状 = [batch_size, d0, .. dN] 。

返回

  • 平均绝对误差值。形状 = [batch_size, d0, .. dN-1] 。

loss = mean(abs(y_true - y_pred), axis=-1)

单机使用：

y_true = np.random.randint(0, 2, size=(2, 3))
y_pred = np.random.random(size=(2, 3))
loss = tf.keras.losses.mean_absolute_error(y_true, y_pred)
assert loss.shape == (2,)
assert np.array_equal(
    loss.numpy(), np.mean(np.abs(y_true - y_pred), axis=-1))

相关用法


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.keras.metrics.mean_absolute_error。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。