Hyperas损失功能用于回归问题

Question

我已经使用keras构建了一个模型来解决回归问题。我想在此模型上执行超参数优化。作为指标，我使用了val_mean_absolute_error。在示例中，仅涵盖了分类问题（可在https://github.com/maxpumperla/hyperas上使用）

validation_acc = np.amax(result.history['val_acc']) 
print('Best validation acc of epoch:', validation_acc)
return {'loss': -validation_acc, 'status': STATUS_OK, 'model': model}

如何将此代码适应回归问题（将val_mean_absolute_error用作指标）？

Answer 1

对于回归问题，我们通常不会使用损失本身来评估模型性能（越低）；因此，假设您将mae用作您的损失，并且已将模型编译为

model.compile(loss='mae', optimizer={{choice(['rmsprop', 'adam', 'sgd'])}})

这是您应该从链接示例中修改代码的方式：

#get the lowest validation loss of the training epochs
validation_loss = np.amin(result.history['val_loss']) 
print('Best validation loss of epoch:', validation_loss)
return {'loss': validation_loss, 'status': STATUS_OK, 'model': model}

确实，有些人在类似情况下为metrics=['mae']添加了一个汇编论点，但这是不必要的。