Python mxnet.metric.PearsonCorrelation用法及代碼示例

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

參數：

name：(str) - 此度量實例的名稱用於顯示。
output_names：(list of str, or None) - 使用update_dict 更新時應使用的預測名稱。默認情況下包括所有預測。
label_names：(list of str, or None) - 使用update_dict 更新時應使用的標簽名稱。默認情況下包括所有標簽。
average：(str, default 'macro') -

用於跨小批量聚合的策略。
”macro”：平均每個批次的 pearsonr 分數。 “micro”：計算所有批次的單個 pearsonr 分數。

基礎： mxnet.metric.EvalMetric

計算 Pearson 相關性。

皮爾遜相關性由下式給出

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

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)

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.metric.PearsonCorrelation。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。