13

我正在处理时间序列数据，提前输出 60 天的预测数据。

我目前使用均方误差作为我的损失函数，结果很糟糕

我想实现一个加权均方误差，这样早期的输出比后来的输出重要得多。

加权均方根公式：

加权均方根公式

所以我需要一些方法来迭代张量的元素，使用索引（因为我需要同时迭代预测值和真实值，然后将结果写入只有一个元素的张量。它们都是(?,60) 但实际上是 (1,60) 列表。

我正在尝试的一切都不起作用。这是损坏版本的代码

def weighted_mse(y_true,y_pred):
    wmse = K.cast(0.0,'float')

    size = K.shape(y_true)[0]
    for i in range(0,K.eval(size)):
        wmse += 1/(i+1)*K.square((y_true[i]-y_pred)[i])

    wmse /= K.eval(size)
    return wmse

结果，我目前收到此错误：

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'dense_2_target' with dtype float
 [[Node: dense_2_target = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

阅读了对类似帖子的回复后，我认为掩码无法完成任务，并且循环一个张量中的元素也行不通，因为我无法访问另一个张量中的相应元素。

任何建议，将不胜感激

4

1 回答 1

11

您可以使用这种方法：

def weighted_mse(yTrue,yPred):

    ones = K.ones_like(yTrue[0,:]) #a simple vector with ones shaped as (60,)
    idx = K.cumsum(ones) #similar to a 'range(1,61)'


    return K.mean((1/idx)*K.square(yTrue-yPred))

ones_likewith的使用cumsum允许您将此损失函数用于任何类型的(samples,classes)输出。

提示：在使用张量时始终使用后端函数。您可以使用切片，但要避免迭代。

于 2017-09-15T15:23:53.197 回答