标签: keras neural-network loss-function
首先,我知道这里的合身性很差,但是您可以忽略它,这并不是我的问题。紫色线是所有验证数据点的平均值。我要做的是计算该平均值的损耗(预测每个样本的平均值),然后得到基线损耗。我正在使用平均绝对误差损失。
在基线损失的情况下,我能确定的是我的模型好于或差于中性预测,并且我的模型具有某种优势。
但是,正如您所看到的,我的所有预测都低于平均值,但是这些预测的损失实际上低于基线。这有意义吗?我觉得每次猜测都比平均值低会导致比单纯猜测平均值高的损失。