我正在处理时间序列数据,输出未来 60 天的预测数据。
我目前使用均方误差作为我的损失函数,结果很糟糕
我想实现一个加权均方误差,使得早期的输出比后来的输出重要得多。
加权均方根公式:
因此,我需要某种方法来使用索引迭代张量的元素(因为我需要同时迭代预测值和真实值,然后将结果写入只有一个元素的张量。它们都是(?,60) 但实际上是 (1,60) 列表。
我所做的一切都不起作用。这是损坏版本的代码
def weighted_mse(y_true,y_pred):
wmse = K.cast(0.0,'float')
size = K.shape(y_true)[0]
for i in range(0,K.eval(size)):
wmse += 1/(i+1)*K.square((y_true[i]-y_pred)[i])
wmse /= K.eval(size)
return wmse
我目前收到此错误,结果是:
InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'dense_2_target' with dtype float
[[Node: dense_2_target = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]
阅读了对类似帖子的回复后,我认为掩码无法完成任务,并且循环一个张量中的元素也不起作用,因为我无法访问另一个张量中的相应元素。
任何建议,将不胜感激
您可以使用这种方法:
def weighted_mse(yTrue,yPred):
ones = K.ones_like(yTrue[0,:]) #a simple vector with ones shaped as (60,)
idx = K.cumsum(ones) #similar to a 'range(1,61)'
return K.mean((1/idx)*K.square(yTrue-yPred))
指某东西的用途ones_like
with cumsum
允许您将此损失函数用于任何类型(samples,classes)
输出。
提示:始终使用后端功能 https://keras.io/backend/使用张量时。您可以使用切片,但避免迭代。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)