我有一个关于在喀拉拉邦使用重量的问题。我有一些数据作为事件，每个事件都有一个相关的权重。因此，当我训练我的keras模型时，我是使用sample_weight参数传递该信息。
然后我注意到，如果我想使用model.predict方法，则没有传递权重的参数...现在我不确定我拥有的权重类型应该在sample_weight的fit方法中使用。
我的问题是，拟合方法应接收哪种类型的权重？另外，可以理解，预测方法不需要数据的权重吗？
谢谢！
答案 0 :(得分：0)
我认为在model.fit上下文中，“ sample_weight”的含义可能会有些混乱。当您调用model.fit时，您正在使损失函数最小化。该损失函数可测量模型预测与真实值之间的误差。数据集中的一些样本可能对您更重要，因此您将对这些样本的损失函数进行更重的权衡。因此，“ sample_weights”仅用于在训练过程中对数据集中的某些样本进行加权，以“更好地”拟合某些样本相对于其他样本。它们是model.fit的可选参数（默认情况下，每个样本的权重均相等-如果您没有充分的理由应该这样做）。并且（希望我的解释很清楚）在model.predict的上下文中没有任何意义。
答案 1 :(得分：0)
当您对样本中的所有数据没有相同的置信度时，将使用参数sample_weight。这样，您可以告诉Keras，您对其中一些的信心要强于其他一些。那仅用于训练，因为它用于调整（加权）优化器使用的损失函数。因此，在fit中，您不应该通过它，因为您对输出一无所知，也不能说出任何关于您的信心。
从Keras的文档（https://keras.io/models/model/#train_on_batch）
sample_weight: Optional Numpy array of weights for the training samples, used for weighting the loss function (during training only).