tf.keras.metrics.Recall 召回率-马育民老师

# 介绍

计算召回率

### 算法

详见：
https://www.malaoshi.top/show_1EF5bae9qIQI.html

### 常用别名

- tf.metrics.Recall

# 方法

### 创建对象

```
tf.keras.metrics.Recall(
    thresholds=None,
	top_k=None,
	class_id=None,
	name=None,
	dtype=None
)
```

##### 参数：
- thresholds：（可选）浮点值或[0，1]中的浮点阈值的python列表/元组。将阈值与预测值进行比较，以确定预测的真值（即，在阈值之上为true，在之下为false）。为每个阈值生成一个度量值。如果既未设置阈值也未设置top_k，则默认设置为使用计算召回率thresholds=0.5。

- top_k：（可选）默认情况下未设置。一个整数值，指定在计算召回率时要考虑的前k个预测。

- class_id：（可选）我们想要二进制指标的整数类ID。该值必须在半开放时间间隔[0, num_classes)，即 num_classes预测的最后一个维度。

- dtype：（可选）指标结果的数据类型。

### update_state
传入 y_true，y_pred ，且形状相同
```
update_state(
    y_true, y_pred, sample_weight=None
)
```

### reset_states()
重置所有变量。

在训练期间评估指标时，在各个时期/步骤之间调用此功能。
```
reset_states()
```

### result
计算并返回结果
```
result()
```

# 例子

```
m = tf.keras.metrics.Recall()
m.update_state([0, 1, 1, 1], [1, 0, 1, 1])
print('Final result: ', m.result().numpy()) 
```
执行结果：
```
Final result: 0.66
```
后2个数字完全匹配，TP是2，
第2个数字label是1，预测成了0，FN是1
所以：`2/(2+1)=0.66`

### 与 tf.keras API 配合使用：
```
model = tf.keras.Model(inputs, outputs)
model.compile('sgd', loss='mse', metrics=[tf.keras.metrics.Recall()])
```

原文出处：http://malaoshi.top/show_1EF5bb260yDt.html