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@）