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

Tensorflow.js是基于Tensorflow的JavaScript实现，可以在浏览器中使用。Tensorflow.js提供许多内置的metrics函数，其中tf.metrics.meanAbsoluteError()函数用于计算平均绝对误差（MAE）。

什么是平均绝对误差（MAE）？

平均绝对误差是衡量预测值与实际值之间误差大小的一种度量方式。其计算方式为预测值和实际值之差的绝对值的平均值。MAE越小代表模型预测能力越好。

tf.metrics.meanAbsoluteError()函数怎么用？

该函数支持两个参数，分别为预测值和目标值。这些值必须具有相同的shape（形状）。

tf.metrics.meanAbsoluteError(labels, predictions)

例如，如果要计算预测值为[1, 2, 3]，目标值为[4, 5, 6]的数据集的平均绝对误差，可以通过以下方式实现：

const tf = require('@tensorflow/tfjs');
const labels = tf.tensor1d([4, 5, 6]);
const predictions = tf.tensor1d([1, 2, 3]);
const mae = tf.metrics.meanAbsoluteError(labels, predictions);
mae.print();

输出结果为：

tf.Tensor(3, dtype=float32)
array([3., 3., 3.], dtype=float32)

这里的[3, 3, 3]就是每个样本的MAE值。

总结

tf.metrics.meanAbsoluteError()函数是Tensorflow.js中计算平均绝对误差的函数。了解该函数的使用方法，可以方便我们使用Tensorflow.js计算MAE，从而评估我们的模型的预测能力。