ctr_metric_bundle¶
- paddle.static. ctr_metric_bundle ( input, label, ins_tag_weight=None ) ¶
CTR 相关度量层
此函数用于计算 CTR 相关指标:RMSE(均方根误差)、MAE(平均绝对误差)、predicted_ctr(预测点击率)、q 值。
为了计算这些指标的最终值,我们应该使用总实例数进行以下计算:
MAE = local_abserr / 实例数
RMSE = sqrt(local_sqrerr / 实例数)
predicted_ctr = local_prob / 实例数
q = local_q / 实例数
注意,如果您正在进行分布式作业,您应该首先对这些指标和实例数进行全局归约。
参数¶
input (Tensor) - 一个浮点数 2D 张量,值在[0, 1]范围内。每行按降序排列。这个输入应该是 topk 的输出。通常,这个张量表示每个标签的概率。
label (Tensor) - 表示训练数据标签的 2D 整数张量。高度为批量大小,宽度始终为 1。
ins_tag_weight (Tensor) - 表示训练数据的 ins_tag_weight 的 2D 整数张量。1 表示真实数据,0 表示假数据。类型为 float32 或 float64 的 LoDTensor 或 Tensor。
返回¶
local_sqrerr (Tensor) - 局部平方误差和
local_abserr (Tensor) - 局部绝对误差和
local_prob (Tensor) - 局部预测 CTR 和
local_q (Tensor) - 局部 q 值和
local_pos_num (Tensor) - 局部正例数
local_ins_num (Tensor) - 局部样本数
tuple (local_sqrerr, local_abserr, local_prob, local_q, local_pos_num, local_ins_num): 包含局部平方误差和、局部绝对误差和、局部预测 CTR 和、局部 q 值和、局部正例数和局部样本数的元组。
代码示例:¶
COPY-FROM: paddle.static.ctr_metric_bundle