keras中的加权mse自定义损失函数

Posted 2023-02-23

【中文标题】keras中的加权mse自定义损失函数

【英文标题】：Weighted mse custom loss function in keras

【发布时间】：2018-02-24 19:12:42

【问题描述】：

我正在处理时间序列数据，输出提前 60 天的预测数据。

我目前使用均方误差作为损失函数，结果很糟糕

我想实现一个加权均方误差，这样早期的输出比后来的输出重要得多。

加权均方根公式：

所以我需要一些方法来迭代张量的元素，使用索引（因为我需要同时迭代预测值和真实值，然后将结果写入只有一个元素的张量。他们'都是 (?,60) 但实际上是 (1,60) 列表。

而且我正在尝试的任何方法都不起作用。这是损坏版本的代码

def weighted_mse(y_true,y_pred):
    wmse = K.cast(0.0,'float')

    size = K.shape(y_true)[0]
    for i in range(0,K.eval(size)):
        wmse += 1/(i+1)*K.square((y_true[i]-y_pred)[i])

    wmse /= K.eval(size)
    return wmse

结果我目前收到此错误：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'dense_2_target' with dtype float
 [[Node: dense_2_target = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

阅读了对类似帖子的回复后，我认为掩码无法完成任务，并且循环一个张量中的元素也行不通，因为我无法访问另一个张量中的相应元素.

任何建议将不胜感激

【参考方案1】：

您可以使用这种方法：

def weighted_mse(yTrue,yPred):

    ones = K.ones_like(yTrue[0,:]) #a simple vector with ones shaped as (60,)
    idx = K.cumsum(ones) #similar to a 'range(1,61)'


    return K.mean((1/idx)*K.square(yTrue-yPred))

ones_like 与 cumsum 的使用允许您将此损失函数用于任何类型的 (samples,classes) 输出。

---

提示：使用张量时始终使用backend functions。您可以使用切片，但要避免迭代。

【讨论】：

我花了几个小时试图弄清楚这一点。谢谢！

在(1/idx)*K.square(yTrue-yPred) 中，* 是逐元素运算还是向量矩阵乘法运算？谢谢！

元素方面的。对于矩阵乘法，有K.dot() 和K.batch_dot()。

@DanielMöller 谢谢！但是K.square(yTrue-yPred) 的形状为 (n_samples, n_components)，而1/idx 的形状为 (n_components,)，在这种情况下元素乘法如何工作？

@username123，缺少的维度（n_samples）会重复。