Question

我正试图用Keras建立一个神经网络。因此，我需要实现一个自定义损失函数，该函数基于示例中的另一个属性来惩罚错误的预测示例。我真的不知道是否甚至可以在keras中的自定义损失函数内使用单个属性值。这是我的数据集的标题。

Ereignisart;KONTOPHASE;PRODUKTART;PRODUKT2;BAUSPAREINLAGE;BAUSPARSUMME;BEWERTUNGSZAHL;TREUEOPTIONSSTATUS;ZUTEILUNGSSTATUS;MEHRZUTEILUNG_BETRAG;SPARZINSSATZ;Marktzins;ZEITSCHEIBE;SALDO

第一个属性“ Ereignisart”是我要预测的属性。对于最后一个属性“ SALDO”，我想对加权的“ Ereignisart”的预测进行惩罚。我知道如何编写自定义损失函数并将其赋予属性“ SALDO”（如果有人对此感兴趣，我可以从这里得到：https://datascience.stackexchange.com/questions/28440/custom-conditional-loss-function-in-keras）。但是，如果我按照下面的方式进行操作，则将使用SALDO的每个示例，而不仅是示例的给定值。content of SALDO in debugger

def customLoss(SALDO):
def loss(yTrue, yPred):
    first_log=kBack.log(kBack.clip(yPred, kBack.epsilon(), None) + 1.)
    second_log=kBack.log(kBack.clip(yTrue, kBack.epsilon(), None) + 1.)
    return kBack.mean(kBack.square(first_log - "penalty dependent on SALDO" *second_log)), axis=-1)
return loss

简而言之，我想我要在损失函数中为每对yTrue和yPred使用相应的“ SALDO”值来惩罚基于“ SALDO”的错误预测。

tl; dr 是否可以在自定义的Kears损失函数中使用单个属性值？如果可以，怎么办？

非常感谢

Fabian

如何在自定义损失函数中使用属性的单个值

0 个答案: