計算真陽性的數量。
用法
tf.keras.metrics.TruePositives(
thresholds=None, name=None, dtype=None
)
參數
-
thresholds
(可選)默認為 0.5。 [0, 1] 中的浮點值或浮點閾值的 python 列表/元組。將閾值與預測值進行比較以確定預測的真值(即,高於閾值的是true
,低於閾值的是false
)。為每個閾值生成一個度量值。 -
name
(可選)指標實例的字符串名稱。 -
dtype
(可選)度量結果的數據類型。
如果給出sample_weight
,則計算真陽性權重的總和。該指標創建一個局部變量true_positives
,用於跟蹤真陽性的數量。
如果 sample_weight
是 None
,則權重默認為 1。使用 0 的 sample_weight
來屏蔽值。
單機使用:
m = tf.keras.metrics.TruePositives()
m.update_state([0, 1, 1, 1], [1, 0, 1, 1])
m.result().numpy()
2.0
m.reset_state()
m.update_state([0, 1, 1, 1], [1, 0, 1, 1], sample_weight=[0, 0, 1, 0])
m.result().numpy()
1.0
compile()
API 的用法:
model.compile(optimizer='sgd',
loss='mse',
metrics=[tf.keras.metrics.TruePositives()])
相關用法
- Python tf.keras.metrics.TruePositives.merge_state用法及代碼示例
- Python tf.keras.metrics.TrueNegatives用法及代碼示例
- Python tf.keras.metrics.TrueNegatives.merge_state用法及代碼示例
- Python tf.keras.metrics.TopKCategoricalAccuracy用法及代碼示例
- Python tf.keras.metrics.TopKCategoricalAccuracy.merge_state用法及代碼示例
- Python tf.keras.metrics.Mean.merge_state用法及代碼示例
- Python tf.keras.metrics.Hinge用法及代碼示例
- Python tf.keras.metrics.SparseCategoricalAccuracy.merge_state用法及代碼示例
- Python tf.keras.metrics.RootMeanSquaredError用法及代碼示例
- Python tf.keras.metrics.SparseCategoricalCrossentropy.merge_state用法及代碼示例
- Python tf.keras.metrics.sparse_categorical_accuracy用法及代碼示例
- Python tf.keras.metrics.FalseNegatives用法及代碼示例
- Python tf.keras.metrics.RecallAtPrecision.merge_state用法及代碼示例
- Python tf.keras.metrics.SpecificityAtSensitivity用法及代碼示例
- Python tf.keras.metrics.Mean用法及代碼示例
- Python tf.keras.metrics.poisson用法及代碼示例
- Python tf.keras.metrics.LogCoshError用法及代碼示例
- Python tf.keras.metrics.MeanSquaredLogarithmicError用法及代碼示例
- Python tf.keras.metrics.FalsePositives.merge_state用法及代碼示例
- Python tf.keras.metrics.OneHotMeanIoU.merge_state用法及代碼示例
注:本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.keras.metrics.TruePositives。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。