Tensorflow.js tf.metrics.meanSquaredError()函数介绍

简介

Tensorflow.js中的tf.metrics.meanSquaredError()函数是一个用于计算均方误差（Mean Squared Error）的度量函数。均方误差（MSE）是一种衡量预测值与真实值差距的方法，常用于回归任务中。

使用方法

tf.metrics.meanSquaredError()函数接受两个张量作为输入，分别为预测值和真实值，返回一个表示均方误差的标量张量。

const yTrue = tf.tensor2d([[1, 2], [3, 4]]);
const yPred = tf.tensor2d([[4, 3], [2, 1]]);

const mse = tf.metrics.meanSquaredError(yTrue, yPred);
console.log('Mean Squared Error:', mse.dataSync()); 
// Output: Mean Squared Error: 3.5

参数说明

• yTrue: tf.Tensor 预测值的张量，可为任意形状和类型的张量，但必须和yPred张量的形状一致。
• yPred: tf.Tensor 真实值的张量，可为任意形状和类型的张量，但必须和yTrue张量的形状一致。

返回值说明

tf.metrics.meanSquaredError()函数返回一个标量张量，表示均方误差的值。

示例说明

下面是一些使用tf.metrics.meanSquaredError()函数的示例：

const yTrue = tf.tensor1d([1, 2, 3, 4]);
const yPred = tf.tensor1d([4, 3, 2, 1]);
const mse = tf.metrics.meanSquaredError(yTrue, yPred);

console.log('Mean Squared Error:', mse.dataSync()); 
// Output: Mean Squared Error: 5

const yTrue2 = tf.tensor2d([[1, 2], [3, 4]]);
const yPred2 = tf.tensor2d([[4, 3], [2, 1]]);
const mse2 = tf.metrics.meanSquaredError(yTrue2, yPred2);

console.log('Mean Squared Error:', mse2.dataSync()); 
// Output: Mean Squared Error: 3.5

总结

tf.metrics.meanSquaredError()函数是一个用于计算均方误差的度量函数，常用于回归任务中。传入的参数是预测值和真实值两个张量，返回一个标量张量，表示均方误差的值。