Question

我在这个研究领域很吵，这可能是一个非常愚蠢的问题。我想构建一个普通的ANN，但我不确定是否可以使用加权均方误差作为损失函数。如果我们不是平等地处理每个样本，我的意思是我们更关心某些类别的样本的预测精度比其他样本更多，那么我们想要形成加权损失函数。可以说，我们有一个分类特征ci，i是样本的索引，为简单起见，我们假设此特征采用二进制值，0或1.因此，我们可以形成损失函数

(ci + 1)(yi_hat - yi)^2

#and take the sum for all i

反向传播是否会出现任何问题？我没有看到计算渐变或更新图层之间权重的任何问题。而且，如果没有问题，我如何在Keras中编程这种损失功能？因为看起来损失函数只需要两个参数y_true和y_pred，我如何插入向量c？

Answer 1

这绝对没有错。函数可以自己声明常量，甚至可以从外部范围中获取常量：

import keras.backend as K

c = K.constant([c1,c2,c3,c4,...,cn])

def weighted_loss(y_true,y_pred):
    loss = keras.losses.get('mse')
    return c * loss(y_true,y_pred)

与你的完全一样：

def weighted_loss(y_true,y_pred):

    weighted = (c+1)*K.square(y_true-y_pred)
    return K.sum(weighted)

神经网络模型能否使用加权均值（Sum）平方误差作为其损失函数？

1 个答案: