Keras中的不对称度量

Question

我试图用人工神经网络和Keras来预测函数的演化。问题是，我希望神经网络的输出是保守的，也就是说，我可以接受对值的低估(在一定程度上)，但过高估计是一个更大的问题。

我想把它作为衡量标准：

• mae /2 if y_predicted < y_true
• mae *2 if y_predicted > y_true

我认为这在Keras中是可行的，但我承认我不知道如何做到这一点。有人知道该怎么做吗？

谢谢

Answer 1

我认为最简单的方法是使用tf.keras.backend.switch创建自定义度量。

这里是一个虚拟的例子：

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它。