0

我想以基尼系数作为优化函数来计算简单的神经网络模型。这是我的 gini 函数：

def gini(actual, pred):
    nT = K.shape(actual)[-1]
    n = K.cast(nT, dtype='int32')
    inds = K.reverse(tf.nn.top_k(pred, n)[1], axes=[0])
    a_s = K.gather(actual, inds)
    a_c = K.cumsum(a_s)
    n = K.cast(nT, dtype=K.floatx())
    giniSum = K.cast(K.sum(a_c) / K.sum(a_s), dtype=K.floatx()) - (n + 1) / 2.0

    return giniSum / n


def gini_normalized(a, p):
    return gini(a, p) / gini(a, a)

这就是我编译模型的方式：

model = Sequential()
    model.add(Dense(32, input_shape=(60,)))
    model.add(Activation('relu'))
    model.add(Dense(2, activation='softmax'))

    sgd = optimizers.SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
    model.compile(loss=gini_normalized, optimizer=sgd)

    return model

我总是收到此错误“ValueError：不支持任何值。”，谁能告诉我我的错误是什么？

4

1 回答 1

0

对于不可微分的函数，此错误是典型的。（当某些 var 存在None和不应该存在时也会发生这种情况。有时有人忘记将return语句添加到某处的自定义函数或类似的东西）。

在你的情况下，它确实是不可区分的。

所有最终值仅来自actual，并且actual是恒定的。（你的模型不能用这样的功能训练）

varpred是连接到模型权重的那个，但唯一包含pred在函数中的部分是对 中的值进行排序actual。但是排序不是一个可微分的动作。

您可能对此无能为力，因为您的 Gini 函数确实应该actual像您一样从中获取值。

于 2017-11-01T11:24:47.433 回答