tensorflow - 为什么我要选择与我的指标不同的损失函数？

Question

当我浏览互联网上的教程或 SO 发布的模型时，我经常发现损失函数与用于评估模型的指标不同。这可能看起来像:

model.compile(loss='mse',optimizer='adadelta',metrics=['mae','mape'])

无论如何，按照这个例子，为什么我不优化 'mae' 或 'mape' 作为损失而不是 'mse'当我什至不关心指标中的 'mse' 时(假设这将是我的模型)？

Answer 1

在许多情况下，您感兴趣的指标可能是不可微分的，因此您不能将其用作损失，例如准确性的情况，其中使用交叉熵损失，因为它是可微分的。

对于已经可微分的指标，您只想从学习过程中获取更多信息，因为每个指标衡量的内容都不同。例如，MSE 的尺度是数据/预测尺度的平方，因此要获得相同的尺度，您必须使用 RMSE 或 MAE。 MAPE 为您提供相对(而非绝对)误差，因此所有这些指标都测量可能感兴趣的不同内容。

就准确性而言，使用此指标是因为它很容易被人类解释，而交叉熵损失则不太直观。