Python tf.keras.metrics.RecallAtPrecision用法及代碼示例

計算精度 >= 指定值的最佳召回率。

繼承自：Metric、Layer、Module

用法

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

對於給定的score-label-distribution，可能無法實現所需的精度，在這種情況下，0.0 作為召回返回。

該指標創建四個局部變量，true_positives , true_negatives , false_positives 和 false_negatives，用於計算給定精度的召回率。計算給定精度值的閾值並用於評估相應的召回率。

如果 sample_weight 是 None ，則權重默認為 1。使用 0 的 sample_weight 來屏蔽值。

如果指定了class_id，我們通過僅考慮批次中class_id 高於閾值預測的條目來計算精度，並計算其中class_id 確實是正確標簽的部分。

單機使用：

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)])