回归问题的Hyperas损失函数

Question

我已经使用Keras构建了一个模型来解决回归问题。我想在这个模型上执行超参数优化。作为指标，我使用了val_mean_absolute_error。在该示例中，仅涉及分类问题(在https://github.com/maxpumperla/hyperas上可用)

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}

如何使此代码适用于回归问题(使用val_mean_absolute_error作为度量标准)？

Answer 1

对于回归问题，我们通常不定义单独的度量，使用损失本身来评估模型性能(越低越好)；因此，假设您使用mae作为损失，并且您已将模型编译为

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

下面是修改链接示例中的代码的方法：

#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，有些人在类似的情况下为metrics=['mae']添加了编译参数，但这是不必要的。