forked from huawei/mindspore2022
57 lines
1.6 KiB
ReStructuredText
57 lines
1.6 KiB
ReStructuredText
mindspore.nn.Fbeta
|
||
==================
|
||
|
||
.. py:class:: mindspore.nn.Fbeta(beta)
|
||
|
||
计算fbeta评分。
|
||
|
||
Fbeta评分是精度(Precision)和召回率(Recall)的加权平均值。
|
||
|
||
.. math::
|
||
F_\beta=\frac{(1+\beta^2) \cdot true\_positive}
|
||
{(1+\beta^2) \cdot true\_positive +\beta^2 \cdot false\_negative + false\_positive}
|
||
|
||
**参数：**
|
||
|
||
- **beta** (Union[float, int]) - F-measure中的beta系数 。
|
||
|
||
**样例：**
|
||
|
||
>>> import numpy as np
|
||
>>> from mindspore import nn, Tensor
|
||
...
|
||
>>> x = Tensor(np.array([[0.2, 0.5], [0.3, 0.1], [0.9, 0.6]]))
|
||
>>> y = Tensor(np.array([1, 0, 1]))
|
||
>>> metric = nn.Fbeta(1)
|
||
>>> metric.clear()
|
||
>>> metric.update(x, y)
|
||
>>> fbeta = metric.eval()
|
||
>>> print(fbeta)
|
||
[0.66666667 0.66666667]
|
||
|
||
.. py:method:: clear()
|
||
|
||
内部评估结果清零。
|
||
|
||
.. py:method::eval(average=False)
|
||
|
||
计算fbeta结果。
|
||
|
||
**参数：**
|
||
|
||
- **average** (bool) - 是否计算fbeta平均值。默认值：False。
|
||
|
||
**返回：**
|
||
|
||
numpy.ndarray或numpy.float64，计算结果。
|
||
|
||
.. py:method:: update(*inputs)
|
||
|
||
使用预测值 `y_pred` 和真实标签 `y` 更新内部评估结果。
|
||
|
||
**参数：**
|
||
|
||
- **inputs** - `y_pred` 和 `y` 。`y_pred` 和 `y` 支持Tensor、list或numpy.ndarray类型。
|
||
通常情况下， `y_pred` 是0到1之间的浮点数列表，shape为 :math:`(N, C)` ，其中 :math:`N` 是样本数， :math:`C` 是类别数。
|
||
`y` 是整数值，如果使用one-hot编码，则shape为 :math:`(N,C)` ；如果使用类别索引，shape是 :math:`(N,)` 。
|