概述
我想计算加权均方误差,其中权重是数据中的一个向量.我根据堆栈溢出提供的建议编写了一个自定义代码.
该功能如下：
weighted_mse <- function(y_true,y_pred,weights){
# convert tensors to R objects
K <- backend()
y_true <- K$eval(y_true)
y_pred <- K$eval(y_pred)
weights <- K$eval(weights)
# calculate the metric
loss <- sum(weights*((y_true - y_pred)^2))
# convert to tensor
return(K$constant(loss))
}
但是,我不知道如何将自定义函数传递给编译器.如果有人可以帮助我会很棒.谢谢.
model <- model %>% compile(
loss = 'mse',optimizer = 'rmsprop',metrics = 'mse')
问候
您应该只使用fit方法的sample_weight参数：https://keras.rstudio.com/reference/fit.html
##not sure if this is valid R,but
##at some point you will call `fit` for training with `X_train` and `Y_train`,##so,just add the weights.
history <- model$fit(X_train,Y_train,...,sample_weight = weights)
这就是全部(不要使用自定义损失).
只是为了知识 – 传递损失函数进行编译
仅适用于采用y_true和y_pred的函数. (如果您使用的是sample_weights,则没有必要)
model <- model %>% compile(
loss = weighted_mse,metrics = 'mse')
但这不起作用,你需要类似于@spadarian创建的包装器.
此外,保持数据和权重之间的相关性将非常复杂,因为Keras会分批分割您的数据,也因为数据会被洗牌.
总结
以上是编程之家为你收集整理的python – R Keras中的自定义丢失函数全部内容，希望文章能够帮你解决python – R Keras中的自定义丢失函数所遇到的程序开发问题。
如果您也喜欢它,动动您的小指点个赞吧
602392714
清零编程群