Keras 中的非对称指标

Question

我正在尝试使用人工神经网络和 Keras 预测函数的演变。问题是我希望神经网络的输出是保守的，即我可以接受低估价值（在一定程度上）但高估是一个更大的问题。

我想用作指标：

mae / 2 如果 y_predicted < y_true
mae * 2 如果 y_predicted > y_true

我认为这在 Keras 中可能是可行的，但我承认我不知道如何去做。有人知道怎么做吗？

谢谢

Answer 1

我认为最简单的方法是使用 tf.keras.backend.switch

创建自定义指标

这里是一个虚拟的例子：

X = np.random.uniform(0,1, (100,30))
y = np.random.uniform(0,1, (100,1))

def custom_metric(true, pred):
    abs_error = tf.abs(true - pred)
    error = tf.keras.backend.switch(pred < true, abs_error/2, abs_error*2)
    return tf.reduce_mean(error)
    
inp = Input((30,))
x = Dense(32)(inp)
out = Dense(1)(x)

model = Model(inp, out)
model.compile('adam', 'mse', metrics=custom_metric)
model.fit(X,y, epochs=3)

您也可以根据自己的需要进行修改

Keras 中的非对称指标

Asymetric metrics in Keras

python

metrics

machine-learning

neural-network

keras