Esta reseña fue probado por especialistas así se asegura la exactitud de nuestro tutorial.
Funciones de pérdida integradas.
Ver alias
Alias principales
Clases
class BinaryCrossentropy
: Calcula la pérdida de entropía cruzada entre true etiquetas y etiquetas predichas.
class CategoricalCrossentropy
: Calcula la pérdida de entropía cruzada entre las etiquetas y las predicciones.
class CategoricalHinge
: Calcula la pérdida de bisagra categórica entre y_true
y y_pred
.
class CosineSimilarity
: Calcula la similitud de coseno entre etiquetas y predicciones.
class Hinge
: Calcula la pérdida de bisagra entre y_true
y y_pred
.
class Huber
: Calcula la pérdida de Huber entre y_true
y y_pred
.
class KLDivergence
: Calcula la pérdida de divergencia de Kullback-Leibler entre y_true
y y_pred
.
class LogCosh
: Calcula el logaritmo del coseno hiperbólico del error de predicción.
class Loss
: Clase base de pérdida.
class MeanAbsoluteError
: Calcula la media de la diferencia absoluta entre etiquetas y predicciones.
class MeanAbsolutePercentageError
: Calcula el error porcentual absoluto medio entre y_true
y y_pred
.
class MeanSquaredError
: Calcula la media de cuadrados de errores entre etiquetas y predicciones.
class MeanSquaredLogarithmicError
: Calcula el error logarítmico cuadrático medio entre y_true
y y_pred
.
class Poisson
: Calcula la pérdida de Poisson entre y_true
y y_pred
.
class Reduction
: Tipos de reducción de pérdidas.
class SparseCategoricalCrossentropy
: Calcula la pérdida de entropía cruzada entre las etiquetas y las predicciones.
class SquaredHinge
: Calcula la pérdida de bisagra al cuadrado entre y_true
y y_pred
.
Funciones
KLD(...)
: Calcula la pérdida de divergencia de Kullback-Leibler entre y_true
y y_pred
.
MAE(...)
: Calcula el error absoluto medio entre etiquetas y predicciones.
MAPE(...)
: Calcula el error porcentual absoluto medio entre y_true
y y_pred
.
MSE(...)
: Calcula el error cuadrático medio entre etiquetas y predicciones.
MSLE(...)
: Calcula el error logarítmico cuadrático medio entre y_true
y y_pred
.
binary_crossentropy(...)
: Calcula la pérdida de entropía cruzada binaria.
categorical_crossentropy(...)
: Calcula la pérdida de entropía cruzada categórica.
categorical_hinge(...)
: Calcula la pérdida de bisagra categórica entre y_true
y y_pred
.
cosine_similarity(...)
: Calcula la similitud de coseno entre etiquetas y predicciones.
deserialize(...)
: Deserializa una instancia de función / clase de pérdida serializada.
get(...)
: Recupera una pérdida de Keras como function
/Loss
instancia de clase.
hinge(...)
: Calcula la pérdida de bisagra entre y_true
y y_pred
.
huber(...)
: Calcula el valor de pérdida de Huber.
kl_divergence(...)
: Calcula la pérdida de divergencia de Kullback-Leibler entre y_true
y y_pred
.
kld(...)
: Calcula la pérdida de divergencia de Kullback-Leibler entre y_true
y y_pred
.
kullback_leibler_divergence(...)
: Calcula la pérdida de divergencia de Kullback-Leibler entre y_true
y y_pred
.
log_cosh(...)
: Logaritmo del coseno hiperbólico del error de predicción.
logcosh(...)
: Logaritmo del coseno hiperbólico del error de predicción.
mae(...)
: Calcula el error absoluto medio entre etiquetas y predicciones.
mape(...)
: Calcula el error porcentual absoluto medio entre y_true
y y_pred
.
mean_absolute_error(...)
: Calcula el error absoluto medio entre etiquetas y predicciones.
mean_absolute_percentage_error(...)
: Calcula el error porcentual absoluto medio entre y_true
y y_pred
.
mean_squared_error(...)
: Calcula el error cuadrático medio entre etiquetas y predicciones.
mean_squared_logarithmic_error(...)
: Calcula el error logarítmico cuadrático medio entre y_true
y y_pred
.
mse(...)
: Calcula el error cuadrático medio entre etiquetas y predicciones.
msle(...)
: Calcula el error logarítmico cuadrático medio entre y_true
y y_pred
.
poisson(...)
: Calcula la pérdida de Poisson entre y_true e y_pred.
serialize(...)
: Serializa la función de pérdida o Loss
ejemplo.
sparse_categorical_crossentropy(...)
: Calcula la pérdida de entropía cruzada categórica dispersa.
squared_hinge(...)
: Calcula la pérdida de bisagra al cuadrado entre y_true
y y_pred
.
Valoraciones y reseñas
Recuerda algo, que tienes la capacidad de aclarar si te fue de ayuda.