Класс RootMeanSquaredError

Класс RootMeanSquaredError вычисляет метрику RMSE - корень из среднего квадрата разностей между истинными и предсказанными значениями. Метрика принимает истинные значения y_true и предсказанные значения y_pred, вычисляет их разность, возводит в квадрат, усредняет и извлекает квадратный корень. Класс наследуется от tf.keras.metrics.Metric и может использоваться как при компиляции модели, так и отдельно.

Синтаксис

tf.keras.metrics.RootMeanSquaredError(
	name='root_mean_squared_error',
	dtype=None
)

Пример

Давайте вычислим RMSE между истинными значениями 1, 2, 3 и предсказаниями 1, 2, 4:

import tensorflow as tf

m = tf.keras.metrics.RootMeanSquaredError()
m.update_state([1, 2, 3], [1, 2, 4])
res = m.result()
print(res)

Результат выполнения кода:

tf.Tensor(0.57735026, shape=(), dtype=float32)

Пример

Давайте вычислим RMSE для тензоров с одинаковыми значениями - метрика должна вернуть ноль:

import tensorflow as tf

y_true = tf.constant([1, 2, 3, 4, 5])
y_pred = tf.constant([1, 2, 3, 4, 5])

m = tf.keras.metrics.RootMeanSquaredError()
m.update_state(y_true, y_pred)
res = m.result()
print(res)

Результат выполнения кода:

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

Пример

Давайте используем метрику при компиляции модели и обучим ее на простых данных:

<+python+> 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.RootMeanSquaredError()] ) x = tf.constant([[1.0], [2.0], [3.0], [4.0]]) y = tf.constant([[2.0], [4.0], [6.0], [8.0]]) model.fit(x, y, epochs=1, verbose=0) res = model.evaluate(x, y, verbose=0) print(res) <-python+>

Результат выполнения кода:

[6.804839, 2.608609]

Смотрите также

класс MeanSquaredError,
который вычисляет средний квадрат ошибки
класс MeanAbsoluteError,
который вычисляет среднюю абсолютную ошибку
класс MeanAbsolutePercentageError,
который вычисляет среднюю абсолютную процентную ошибку
класс Huber,
который вычисляет ошибку Хубера