问题描述
Keras默认使用不同的损失函数,它们利用所有样本和所有组件之间的平均误差。特别是,我使用了:
model_cnn_dense.compile(loss='mae',optimizer=opt)
通过此操作,我在回归测试中获得了1 cm的测量误差,显然效果很好,但是从数据来看,我的数据序列中的最大绝对误差约为20 cm,这对我的应用不利。 / p>
有一种方法不对所有样本取绝对误差的平均值,而对所有样本取最大绝对误差?
非常感谢您!
添加了示例(编辑):
我想从NN获取值:
1,2,3 ... 4,5,6
来自NN的重建是:
1,6 ... 4,6
所以得到的湄是:
(ABS(1-1)+ABS(2-2)+ABS(3-6)+...+ABS(4-4)+ABS(5-5)+ABS(6-6))/N
如果N仅由所示的六个元素组成,则最终mae为0.5(非常低的值)
我想获得的是一个损失函数,它没有给我平均绝对误差,但给我最大绝对误差:
MAX(ABS(1-1),ABS(2-2),ABS(3-6),...,ABS(4-4)+ABS(5-5)+ABS(6-6))
如果N仅由所示的六个元素组成,则最终的最大绝对值为3(与0.5完全不同)
这是我理想的损失函数。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)