metrics

classicML的评估函数.

Metric

评估函数的基类.

cml.metrics.Metric(name='metric')

参数

• name: 字符串，评估函数名称.

_call_

函数实现.

__call__(y_pred, y_true)

异常

• NotImplementedError: 函数没有实现.

Accuracy

准确率评估函数，将根据标签的实际形状自动使用二分类或者多分类评估函数.

cml.metrics.Accuracy(name='accuracy')

参数

• name: 字符串，评估函数名称.

_call_

函数实现.

__call__(y_pred, y_true, *args, **kwargs)

参数

• y_pred: 一个 Numpy数组，预测的标签.

• y_true: 一个 Numpy数组，真实的标签.

返回

当前的准确率.

BinaryAccuracy

二分类准确率评估函数.

cml.metrics.BinaryAccuracy(name='binary_accuracy')

参数

• name: 字符串，评估函数名称.

_call_

函数实现.

__call__(y_pred, y_true, *args, **kwargs)

参数

• y_pred: 一个 Numpy数组，预测的标签.

• y_true: 一个 Numpy数组，真实的标签.

返回

当前的准确率.

CategoricalAccuracy

多分类准确率评估函数.

cml.metrics.CategoricalAccuracy(name='categorical_accuracy')

参数

• name: 字符串，评估函数名称.

_call_

函数实现.

__call__(y_pred, y_true, *args, **kwargs)

参数

• y_pred: 一个 Numpy数组，预测的标签.

• y_true: 一个 Numpy数组，真实的标签.

返回

当前的准确率.