Tensorflow.js tf.metrics.meanSquaredError() Función

Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el entorno del navegador o del Node.

La función Tensorflow tf.metrics.meanSquaredError() es una función de pérdida o métrica que se utiliza para calcular el error cuadrático medio entre y_true e y_pred. y_true es un tensor de verdad e y_pred es el tensor de predicción.

Sintaxis:

tf.metrics.meanSquaredError(tensor1, tensor2);

Parámetros: Esta función acepta dos parámetros que se ilustran a continuación:

• tensor1: Es el tensor de verdad (y_true).
• tensor2: Es el tensor de predicción (y_pred).

Valor devuelto: Devuelve el tensor de error cuadrático medio entre el tensor de verdad y el tensor de predicción.

Ejemplo 1:

// Importing the tensorflow.Js library
// import * as tf from "@tensorflow/tfjs"
 
// Creating the tensor
let truth = tf.tensor1d([6, 4]);
let prediction = tf.tensor1d([-3, -4]);
 
// Calculating mean squared Error
// between truth and prediction tensor
const mse = tf.metrics.meanSquaredError(truth, prediction);
 
// Printing mean square error
mse.print();

Producción:

Tensor
    72.5

Ejemplo 2:

// Importing the tensorflow.Js library
// import * as tf from "@tensorflow/tfjs"
 
// Calculating mean squared Error between
// truth and prediction tensor
let mse = tf.metrics.meanSquaredError(
    tf.tensor1d([0, 1, 2, 3]),
    tf.tensor1d([-8,-9, -10, -11])
);
 
// Printing mean square error
mse.print();

Producción:

Tensor
    126

Referencia: https://js.tensorflow.org/api/latest/#metrics.meanSquaredError