keras中的加权mse自定义损失函数

Question

我正在处理时间序列数据，输出提前 60 天的预测。

我目前使用均方误差作为我的损失函数，结果很糟糕

我想实现加权均方误差，使早期输出比后期输出重要得多。

加权均方根公式：

所以我需要一些方法来迭代张量的元素，有一个索引（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事情都没有奏效。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

我目前收到此错误结果：

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"]()]]

看过类似帖子的回复后，我认为掩码无法完成任务，循环一个张量中的元素也行不通，因为我无法访问张量中的相应元素其他张量。

如有任何建议，我们将不胜感激

Answer 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 的结合使用允许您将此损失函数用于任何类型的 (samples,classes) 输出。

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

keras中的加权mse自定义损失函数

Weighted mse custom loss function in keras

python

tensorflow

keras

loss-function