Класс Poisson

Класс Poisson вычисляет функцию потерь Пуассона. Он применяется в задачах регрессии, где целевая переменная представляет собой количество событий (например, число посетителей или дефектов). Потери вычисляются как разность между предсказанием и истинным значением, умноженная на логарифм предсказания. Первым параметром можно передать функцию приведения к типу данных, вторым - функцию приведения к диапазону.

Синтаксис

tf.keras.losses.Poisson(
	reduction="auto",
	name="poisson"
)

Пример

Давайте вычислим потери Пуассона между истинными значениями 1, 2, 3 и предсказаниями 1, 2, 3:

import tensorflow as tf

y_true = tf.constant([1, 2, 3])
y_pred = tf.constant([1, 2, 3])
loss = tf.keras.losses.Poisson()
res = loss(y_true, y_pred)
print(res)

Результат выполнения кода:

tf.Tensor(0.0, shape=(), dtype=float32)

Пример

Давайте вычислим потери Пуассона, когда предсказания отличаются от истинных значений:

import tensorflow as tf

y_true = tf.constant([1, 2, 3])
y_pred = tf.constant([2, 3, 4])
loss = tf.keras.losses.Poisson()
res = loss(y_true, y_pred)
print(res)

Результат выполнения кода:

tf.Tensor(0.43617472, shape=(), dtype=float32)

Пример

Давайте вычислим потери Пуассона с параметром reduction="sum", чтобы получить сумму потерь по всем элементам:

import tensorflow as tf

y_true = tf.constant([1, 2, 3])
y_pred = tf.constant([2, 3, 4])
loss = tf.keras.losses.Poisson(reduction="sum")
res = loss(y_true, y_pred)
print(res)

Результат выполнения кода:

tf.Tensor(1.3085241, shape=(), dtype=float32)

Смотрите также

класс MeanSquaredError,
который вычисляет среднеквадратичную ошибку
класс MeanAbsoluteError,
который вычисляет среднюю абсолютную ошибку
класс Huber,
который вычисляет потери Хубера
класс LogCosh,
который вычисляет логарифм гиперболического косинуса