python - 神经网络模型可以使用加权平均(和)平方误差作为损失函数吗？

Question

我对这个研究领域一无所知，这可能是一个非常愚蠢的问题。我想构建一个普通的 ANN，但我不确定是否可以使用加权均方误差作为损失函数。 如果我们不平等对待每个样本，我的意思是我们更关心样本的某些类别的预测精度而不是其他类别，那么我们想要形成一个加权损失函数。 比方说，我们有一个分类特征 ci，i 是样本的索引，为了简单起见，我们假设这个特征采用二进制值，0 或 1。因此，我们可以将损失函数形成为

(ci + 1)(yi_hat - yi)^2

#and take the sum for all i

反向传播会不会有什么问题？我没有看到计算梯度或更新层间权重的任何问题。 而且，如果没问题，我该如何在 Keras 中编写这个损失函数？因为损失函数好像只有两个参数，y_true 和y_pred，那我要怎么代入向量c呢？

Answer 1

这绝对没有错。函数可以自己声明常量，甚至可以从外部范围获取常量:

import keras.backend as K

c = K.constant([c1,c2,c3,c4,...,cn])

def weighted_loss(y_true,y_pred):
    loss = keras.losses.get('mse')
    return c * loss(y_true,y_pred)

---

完全像你的:

def weighted_loss(y_true,y_pred):

    weighted = (c+1)*K.square(y_true-y_pred)
    return K.sum(weighted)