我正在尝试用人工神经网络和Keras来预测一个函数的进化。问题是,我希望神经网络的输出是保守的,即我可以接受值的低估(在一定程度上),但高估是一个更大的问题。
我想使用的指标:
- mae/2 if y_predict
- mae * 2 if y_predict>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做到这一点。有人知道怎么变这个戏法吗?
感谢我认为最简单的方法是用tf.keras.backend.switch
创建一个自定义指标
这里有一个假的例子:
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)
你也可以根据你的需要修改