TensorFlow函数:tf.metrics.specificity_at_sensitivity

tf.metrics.specificity_at_sensitivity函数

tf.metrics.specificity_at_sensitivity(
    labels,
    predictions,
    sensitivity,
    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specificity_at_sensitivity函数创建四个局部变量,true_positives,true_negatives,false_positives和false_negatives,它们用于计算在给定的sensitivity值的specificity.计算给定sensitivity值的阈值并用于评估相应的specificity.

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specificity.update_op使用在predictions和labels的每个示例中发现的权重来递增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.

有关特异性和敏感性的其他信息,请参阅以下内容:https://en.wikipedia.org/wiki/Sensitivity_and_specificity

参数:

  • labels:正确标记(ground truth),Tensor的维度必须匹配predictions,将被转换为bool.
  • predictions:任意形状的浮点Tensor,其值在该范围[0, 1]内.
  • sensitivity: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或与相应的labels维度相同).
  • num_thresholds:用于匹配给定sensitivity的阈值数.
  • metrics_collections:specificity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:

  • specificity:表示给定specificity值的特异性的标量Tensor.
  • update_op:递增true_positives,true_negatives,false_positives和false_negatives变量的操作,并且适当其值匹配specificity.

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sensitivity不处于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:
在线笔记
App下载
App下载

扫描二维码

下载编程狮App

公众号
微信公众号

编程狮公众号

意见反馈
返回顶部