如何将损失/指标更改为 mean_absolute_percentage_error (MAPE)？

Question

我正在学习 R 中的 Keras，并希望构建和优化具有最小 Mean_absolute_percentage_error (MAPE) 的 NN 模型。

我在官方文档page 上找到了这个例子，但它报告了Mean_absolute_error 如何调整该代码以优化 MAPE？

Answer 1

这一切都可以通过查看keras的官方文档来解决。 metrics 函数正是您要寻找的。在 keras 中，模型的性能是通过度量函数来判断的。

指标状态的documentation：

"度量函数类似于损失函数，不同之处在于 训练模型时不使用评估指标的结果。 您可以将任何损失函数用作度量函数。”

如果您想使用 mean_absolute_percentage_error 优化模型，您应该寻找损失函数而不是指标。但实际上改变它是一样的。既然您提出了有关 mean_absolute_error 的问题，我假设您想更改指标。

因此，在示例中，您可以使用任何 loss 函数轻松更改 metrics 参数。当然还有 mean_absolute_percentage_error。

build_model <- function() {

  model <- keras_model_sequential() %>%
    layer_dense(units = 64, activation = "relu",
                input_shape = dim(train_data)[2]) %>%
    layer_dense(units = 64, activation = "relu") %>%
    layer_dense(units = 1)

  model %>% compile(
    loss = "mse",
    optimizer = optimizer_rmsprop(),
    metrics = list("mean_absolute_percentage_error")
  )

  model
}

model <- build_model()
model %>% summary()

只需在图中执行相同操作即可。

library(ggplot2)

plot(history, metrics = "mean_absolute_percentage_error", smooth = FALSE) + 
  coord_cartesian(ylim = c(0, 5)) #you should change lims accordingly

如果您想更改损失函数，请在您的模型构建中使用它。

loss = "mean_absolute_percentage_error",

编辑：我不小心在这个答案中使用了 python 文档，因为 r documentation 使用了另一种语法。但这在这里并没有什么不同，因为我们只使用了损失函数名称。您也可以像这样使用它：metrics = metric_mean_absolute_percentage_error。 python 文档有时会更详细地解释函数的作用。