自定義損失函數 Tensorflow / Keras 懲罰相對距離

Question

我構建了一個具有三個輸出類的 tensorflow 神經網絡。 我的損失函數目前是val_mean_absolute_percentage_error因為不是絕對距離，而是目標和預測變量之間的相對距離很重要。 然而，平均絕對百分比誤差計算為

1/n sum(|(y_test - y_pred) / y_test|)

不完全適合我的問題，因為如果y_pred > y_test ，它會受到更大的懲罰

示例 1： y_test = 5, y_pred = 2 --> Mape = 0.6

示例 2： y_pred = 5, y_test = 2 --> Mape = 1.5

但是，上面的例子應該受到同等的懲罰。

有誰知道哪個（自定義）損失函數可能更適合我的問題？

Answer 1

對於y_true和y_pred之間更大的差異，您可以考慮使用mse loss而不是mae loss ； 在 RMSE/MSE 的情況下，由於誤差在平均之前是平方的，RMSE 為較大的誤差提供了更高的權重。

問題是您除以y_test ，因此結果存在差異。 您可以首先嘗試刪除分母以獲得相同的 MAPE，如果您仍然在y_test和y_pred之間獲得更大的幅度值，請考慮使用RMSE 。