python - 对于神经网络，如何根据重要性对成本和训练数据进行不同的分段/权衡

Question

我正在寻找想法/方向来解决我遇到的问题:

上下文:我有 1000 天的每小时时间序列数据(即每天 24 小时的一行特征)。对于每一个小时，我都试图预测一个目标值。现在，我更关心一天中某些时间的准确性(例如 08:00-18:00)与一天中剩余时间的准确性。

问题:如何调整我的成本函数以更加关注这些关键时段的准确性？或者是否以不同的方式衡量数据集，为 08:00-18:00 时段赋予更多权重？

方法:我已经在 Tensorflow 中编写了 MLP，并使用均方误差作为我的成本函数，并使用 Adam 作为优化器。虽然这种方法有利于提高整体准确率(即 >90%)，但我们关键时段的准确率还不够高。

这是我的成本函数:

cost = tf.reduce_mean(tf.abs(pred-y)/y)

你有什么想法吗？谢谢!! :)

Answer 1

您可以添加一个占位符(批量大小加 1)来表示特定训练示例的重要性。获取批处理中每一行的成本(批处理大小乘以 1)，并将占位符逐点乘以成本。