损失函数 Keras out_dim > 1答案

【问题标题】：Loss function Keras out_dim > 1损失函数 Keras out_dim > 1
【发布时间】：2018-11-03 12:40:06
【问题描述】：

我有一个训练数据：

而且，我在 Keras 中有一个模型，其输出不止一维。我要预测 A、B 和 C：

model = Sequential()
model.add(GRU(32, input_shape=(train_X.shape[1], train_X.shape[2])))
model.add(Dense(3))
model.compile(loss='mean_squared_error', optimizer='adam')

但我想要 A 中的最小值 mean_squared_error，即只想考虑 A 作为损失函数。

我能做什么？

【问题讨论】：

您的意见是什么？看起来您正在尝试根据变量本身来预测变量（在这种情况下，身份会很好）。
那么你是在使用 A、B 和 C 来预测 A、B 和 C 吗？
@SreeramTP，是的，我想预测 2019、2020 年的 A、B 和 C，...
@fuglede，是的，我根据 A、B 和 C 的先前数据预测 A、B 和 C，但我希望损失函数表现 A 的误差。

标签： python tensorflow machine-learning keras loss-function

【解决方案1】：

你可以定义一个自定义的损失函数，只根据A的值计算mean_squared_error()的损失：

from keras import losses

def loss_A(y_true, y_pred):
    return losses.mean_squared_error(y_true[:,0], y_pred[:,0])

#...
model.compile(loss=loss_A, optimizer='adam')

【讨论】：

【解决方案2】：

您需要研究的是自定义损失函数：

def only_A_mean_squared(y_true, y_pred):
     return keras.losses.mean_squared_error(y_true[:,0], y_pred[:,0])

为了使用它：

model.compile(loss=only_A_mean_squared, optimizer='adam')

我在上面所做的是创建一个自定义损失函数，它只获取第一个维度（“A”）并将其提供给正常的 keras 均方误差损失函数。

【讨论】：