TensorFlow函数:tf.metrics.sensitivity_at_specificity

由 Carrie 创建, 最后一次修改 2018-10-23

tf.metrics.sensitivity_at_specificity函数

tf.metrics.sensitivity_at_specificity(
    labels,
    predictions,
    specificity,
    weights=None,
    num_thresholds=200,
    metrics_collections=None,
    updates_collections=None,
    name=None
)

定义在:tensorflow/python/ops/metrics_impl.py.

计算给定sensitivity的specificity.

该sensitivity_at_specificity功能创建四个局部变量,true_positives,true_negatives,false_positives和false_negatives,它们用于计算在给定的specificity值的sensitivity.计算给定specificity值的阈值并用于评估相应的sensitivity.

为了估计数据流上的度量,该函数创建一个update_op操作来更新这些变量并返回sensitivity.update_op操作使用在predictions和labels中找到的每个案例的权重来递增true_positives,true_negatives,false_positives和false_negatives计数.

如果weights是None,则权重默认为1,使用权重0来屏蔽值.

有关specificity和sensitivity的其他信息,请参阅以下内容:https://en.wikipedia.org/wiki/Sensitivity_and_specificity

参数:

  • labels:正确标记(ground truth),维度必须与predictions匹配的Tensor,将被转换为bool.
  • predictions:任意形状的浮点Tensor,其值在该范围[0, 1]内.
  • specificity:范围[0, 1]内的标量值.
  • weights:可选的Tensor,其秩为0或与labels具有相同的秩,并且必须可广播到labels(即,所有维度必须为1或者与相应的labels维度相同).
  • num_thresholds:用于匹配给定specificity的阈值数.
  • metrics_collections:sensitivity应添加到的集合的可选列表.
  • updates_collections:update_op应添加到的集合的可选列表.
  • name:可选的variable_scope名称.

返回:

  • sensitivity:表示给定specificity值的sensitivity的标量Tensor.
  • update_op:是适当递增true_positives,true_negatives,false_positives和false_negatives变量的操作,并且其值与sensitivity匹配.

可能引发的异常:

  • ValueError:如果predictions与labels具有不匹配的形状,如果weights不是None,其形状不匹配predictions,或者,如果specificity不在0和1之间,或者如果任一metrics_collections或updates_collections不是一个列表或元组.
  • RuntimeError:如果启用了急切执行.
以上内容是否对您有帮助:
二维码
建议反馈
二维码