我想使用自定义损失函数在scikit学习中训练神经网络；使用MLPClassifier。我想更加重视更大的价值观。因此，我想使用诸如均方误差之类的方法，但将分子乘以y。因此，它看起来像：
1 / n∑y（yi-y（hat）i）^ 2
这是我的模型的代码：
mlp10 = MLPClassifier(hidden_layer_sizes=(150,100,50,25,10), max_iter=1000,
random_state=42)
mlp10.fit(X_train, y_train)
如何修改损失函数？
答案 0 :(得分：0)
我不认为您可以直接修改损失函数，因为在分类器的构造中没有参数，documentation明确指定它正在使用对数损失函数进行优化。如果您愿意灵活一点，则可以通过在训练之前对y值进行转换，然后使用逆变换来恢复预测的{{测试后的1}} s。
例如，将y和y_prime = transform(y)定义为的每个值上映射y = inverse_transform(y_prime)和transform：
inverse_transform将导致更大的def transform(y):
return y ** 2
def inverse_transform(y_prime):
return math.sqrt(y_prime)
值对训练产生更大的影响。显然，您可以尝试不同的转换，以查看哪种方法最适合您的用例。关键只是确保y是超线性的。
在训练之前，您需要做的事情：
transform在致电y_train = map(transform, y_train)
之后：
predict