Средний квадрат в TensorFlow
Чтобы оценить числовое предсказание,
берут средний квадрат отклонения:
для каждой пары эталона и ответа
считают разность, возводят её
в квадрат и усредняют. В Keras
за это отвечает класс
MeanSquaredError.
Создадим объект ошибки, зададим короткий ряд эталонных значений и ряд предсказаний, затем выведем одно число - результат:
import tensorflow as tf
mse = tf.keras.losses.MeanSquaredError()
actual = tf.constant([1.0, 2.0, 3.0])
guess = tf.constant([1.5, 2.5, 2.0])
print(mse(actual, guess))
# выведет tf.Tensor(0.5, shape=(), dtype=float32)
Порядок аргументов тот же: сначала эталон, затем предсказание. На другом ряде средний квадрат будет другим:
import tensorflow as tf
mse = tf.keras.losses.MeanSquaredError()
actual = tf.constant([10.0, 20.0])
guess = tf.constant([12.0, 18.0])
print(mse(actual, guess))
# выведет tf.Tensor(4.0, shape=(), dtype=float32)
Соберите эталонный ряд [3.0, 5.0, 7.0]
и ряд ответов [3.0, 4.0, 8.0].
Выведите одно число - средний
квадрат отклонения между ними.
Задайте эталон [0.0, 1.0]
и предсказание [0.5, 0.5].
Выведите средний квадрат
отклонения одним числом.
Создайте эталонный ряд [2.0, 4.0, 6.0]
и ряд прогнозов [1.0, 5.0, 5.0].
Выведите одно число - итоговую
ошибку по среднему квадрату.
