使用 MXNet 进行回归
Regression using MXNet
我有一个基于各种独立特征的回归模型，这些特征最终预测了一个具有自定义损失函数的值。有点类似于下面的link。
https://www.evergreeninnovations.co/blog-quantile-loss-function-for-machine-learning/
当前模型是使用 Tensorflow 库构建的，但现在我想使用 MXNet，因为它提供的速度和其他优势。如何使用自定义损失函数在 MXNet 中编写类似的逻辑？
2 个著名教程中介绍了使用 L2 损失的简单回归 - 您可以选择其中任何一个并自定义损失：
- 在 D2L.ai 书中（许多大学使用）：
https://d2l.ai/chapter_linear-networks/linear-regression-gluon.html
- 在The Straight Dope（MXNet的pythonAPI指南中，
gluon)。该指南的很多内容都涉及 D2L.ai：
https://gluon.mxnet.io/chapter02_supervised-learning/linear-regression-gluon.html
我有一个基于各种独立特征的回归模型，这些特征最终预测了一个具有自定义损失函数的值。有点类似于下面的link。
https://www.evergreeninnovations.co/blog-quantile-loss-function-for-machine-learning/
当前模型是使用 Tensorflow 库构建的，但现在我想使用 MXNet，因为它提供的速度和其他优势。如何使用自定义损失函数在 MXNet 中编写类似的逻辑？
2 个著名教程中介绍了使用 L2 损失的简单回归 - 您可以选择其中任何一个并自定义损失：
- 在 D2L.ai 书中（许多大学使用）： https://d2l.ai/chapter_linear-networks/linear-regression-gluon.html
- 在The Straight Dope（MXNet的pythonAPI指南中，
gluon)。该指南的很多内容都涉及 D2L.ai： https://gluon.mxnet.io/chapter02_supervised-learning/linear-regression-gluon.html