指标

class pytorch_forecasting.metrics.base_metrics.Metric(name: str = None, quantiles: List[float] = None, reduction='mean', **kwargs)

基础： Metric

基本指标类，具有处理预测分位数和在对数空间中操作的基本功能。有关如何实现新指标的细节，请参见Lightning documentation

其他指标应继承自这个基类

初始化指标

Parameters:

• name (str) – 指标名称。默认为类名称。

• 分位数 (列表[浮点数], 可选) – 概率范围的分位数。默认为 None。

• reduction (str, 可选) – 减少方式，“none”，“mean”或“sqrt-mean”。默认为“mean”。

方法

compute()	计算指标的抽象方法
extra_repr()	返回模块的额外表示。
rescale_parameters(parameters, target_scale, ...)	将归一化参数缩放到输出所需的尺度。
to_prediction(y_pred)	将网络预测转换为点预测。
to_quantiles(y_pred[, quantiles])	将网络预测转换为分位数预测。
update(y_pred, y_actual)	重写此方法以更新您的指标类的状态变量。

compute() → Tensor

计算指标的抽象方法

应该在派生类中被重写

Parameters:

• y_pred – 网络输出

• y_actual – 实际值

Returns:

可以应用反向传播的度量值

Return type:

torch.Tensor

extra_repr() → str

返回模块的额外表示。

要打印自定义的额外信息，您应该在自己的模块中重新实现此方法。单行字符串和多行字符串均可接受。

rescale_parameters(parameters: Tensor, target_scale: Tensor, encoder: 基础估计器) → Tensor

将归一化参数缩放到输出所需的尺度。

Parameters:

• 参数 (torch.Tensor) – 规范化参数（按最后一个维度索引）

• target_scale (torch.Tensor) – 参数的规模 (n_batch_samples x (中心, 缩放))

• encoder (BaseEstimator) – 原始编码器，最初对目标进行了标准化

Returns:

真实/未标准化空间中的参数

Return type:

torch.Tensor

to_prediction(y_pred: Tensor) → Tensor

将网络预测转换为点预测。

Parameters:

y_pred – 网络的预测输出

Returns:

点预测

Return type:

torch.Tensor

to_quantiles(y_pred: Tensor, quantiles: List[float] = None) → Tensor

将网络预测转换为分位数预测。

Parameters:

• y_pred – 网络的预测输出

• 分位数 (列表[浮点数], 可选) – 概率范围的分位数。默认为类初始化中定义的分位数。

Returns:

预测分位数

Return type:

torch.Tensor

update(y_pred: Tensor, y_actual: Tensor)

重写此方法以更新您的指标类的状态变量。