machine-learning - 使用 tensorflow 后端在 keras 中定义 pinball 损失函数

Question

我正在尝试定义一个 pinbal 损失函数，用于使用 Keras(以 Tensorflow 作为后端)在神经网络中实现“分位数回归”。

定义在这里:pinball loss

很难实现传统的 K.means() 等函数，因为它们处理整批 y_pred、y_true，但我必须考虑 y_pred、y_true 的每个组成部分，这是我的原始代码:

def pinball_1(y_true, y_pred):
    loss = 0.1
    with tf.Session() as sess:
        y_true = sess.run(y_true)
        y_pred = sess.run(y_pred)
    y_pin = np.zeros((len(y_true), 1))
    y_pin = tf.placeholder(tf.float32, [None, 1])
    for i in range((len(y_true))):
        if y_true[i] >= y_pred[i]:
            y_pin[i] = loss * (y_true[i] - y_pred[i])
        else:
            y_pin[i] = (1 - loss) * (y_pred[i] - y_true[i])
    pinball = tf.reduce_mean(y_pin, axis=-1)
    return K.mean(pinball, axis=-1)

sgd = SGD(lr=0.1, clipvalue=0.5)
model.compile(loss=pinball_1, optimizer=sgd)
model.fit(Train_X, Train_Y, nb_epoch=10, batch_size=20, verbose=2)

我试图将 y_pred, y_true 转移到向量化数据结构，以便我可以用索引引用它们，并处理各个组件，但似乎由于缺乏单独处理 y_pred, y_true 的知识而出现问题。

我试图深入到由错误引导的行，但我几乎迷路了。

InvalidArgumentError (see above for traceback): You must feed a value for placeholder tensor 'dense_16_target' with dtype float
 [[Node: dense_16_target = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/cpu:0"]()]]

我该如何解决这个问题？谢谢!

Answer 1

我自己用 Keras 后端解决了这个问题:

def pinball(y_true, y_pred):
    global i
    tao = (i + 1) / 10
    pin = K.mean(K.maximum(y_true - y_pred, 0) * tao +
                 K.maximum(y_pred - y_true, 0) * (1 - tao))
    return pin