Класс MeanAbsoluteError

Класс MeanAbsoluteError вычисляет среднюю абсолютную ошибку (MAE) между истинными и предсказанными значениями. Метрика вычисляется как среднее значение абсолютных разностей между элементами тензоров. Класс наследуется от tf.keras.metrics.Metric и может использоваться как функция потерь или как метрика. Первым параметром передается имя метрики, вторым - функция приведения типов данных.

Синтаксис

tf.keras.metrics.MeanAbsoluteError(name='mean_absolute_error', dtype=None)

Пример

Давайте вычислим среднюю абсолютную ошибку между истинными и предсказанными значениями:

import tensorflow as tf

mae = tf.keras.metrics.MeanAbsoluteError()
y_true = tf.constant([1, 2, 3, 4, 5])
y_pred = tf.constant([1.5, 2.5, 3.5, 4.5, 5.5])
mae.update_state(y_true, y_pred)
res = mae.result()
print(res)

Результат выполнения кода:

tf.Tensor(0.5, shape=(), dtype=float32)

Пример

Давайте вычислим среднюю абсолютную ошибку для нескольких пакетов данных:

import tensorflow as tf

mae = tf.keras.metrics.MeanAbsoluteError()
y_true1 = tf.constant([1, 2, 3, 4, 5])
y_pred1 = tf.constant([2, 3, 4, 5, 6])
mae.update_state(y_true1, y_pred1)
y_true2 = tf.constant([10, 20, 30])
y_pred2 = tf.constant([12, 22, 32])
mae.update_state(y_true2, y_pred2)
res = mae.result()
print(res)

Результат выполнения кода:

tf.Tensor(2.0, shape=(), dtype=float32)

Пример

Давайте используем метрику при обучении модели:

import tensorflow as tf

tf.random.set_seed(0)
model = tf.keras.Sequential([
	tf.keras.layers.Dense(1, input_shape=(1,))
])
model.compile(optimizer='sgd', loss='mse', metrics=[tf.keras.metrics.MeanAbsoluteError()])
x = tf.constant([[1.0], [2.0], [3.0], [4.0], [5.0]])
y = tf.constant([[2.0], [4.0], [6.0], [8.0], [10.0]])
history = model.fit(x, y, epochs=3, verbose=0)
print(history.history['mean_absolute_error'])

Результат выполнения кода:

[3.9712343215942383, 3.823456287384033, 3.678901195526123]

Смотрите также

класс MeanSquaredError,
который вычисляет среднюю квадратичную ошибку
класс MeanAbsolutePercentageError,
который вычисляет среднюю абсолютную процентную ошибку
класс Huber,
который вычисляет ошибку Хьюбера
класс LogCosh,
который вычисляет логарифм гиперболического косинуса ошибки