Я хочу, чтобы тензорный поток рассчитывал коэффициент детерминации (R в квадрате) во время оценки моей оценки. Я попытался реализовать это следующим образом, вольно основываясь на реализации официальных метрик:
def r_squared(labels, predictions, weights=None,
metrics_collections=None,
updates_collections=None,
name=None):
total_error = tf.reduce_sum(tf.square(labels - tf.reduce_mean(labels)))
unexplained_error = tf.reduce_sum(tf.square(labels - predictions))
r_sq = 1 - tf.div(unexplained_error, total_error)
# update_rsq_op = ?
if metrics_collections:
ops.add_to_collections(metrics_collections, r_sq)
# if updates_collections:
# ops.add_to_collections(updates_collections, update_rsq_op)
return r_sq #, update_rsq_op
Затем я использую эту функцию в качестве метрики в EstimatorSpec:
estim_specs = tf.estimator.EstimatorSpec(
...
eval_metric_ops={
'r_squared': r_squared(labels, predictions),
...
})
Однако это не удается, поскольку моя реализация R в квадрате не возвращает update_op.
TypeError: Values of eval_metric_ops must be (metric_value, update_op) tuples, given: Tensor("sub_4:0", dtype=float64) for key: r_squared
Теперь мне интересно, что именно должен делать update_op? Мне действительно нужно реализовать update_op или я могу как-то создать какой-то фиктивный update_op? И если это необходимо, как бы я это реализовал?