神经网络模型可以使用加权平均（和）平方误差作为其损失函数吗？答案

【问题标题】：Can Neural Network model use Weighted Mean (Sum) Squared Error as its loss function?神经网络模型可以使用加权平均（和）平方误差作为其损失函数吗？
【发布时间】：2017-12-22 03:17:06
【问题描述】：

我在这个研究领域是菜鸟，可能这是一个非常愚蠢的问题。我想建立一个正常的 ANN，但我不确定是否可以使用加权均方误差作为损失函数。如果我们没有平等地对待每个样本，我的意思是我们更关心样本的某些类别的预测精度而不是其他类别，那么我们想要形成一个加权损失函数。假设我们有一个分类特征ci，i 是样本的索引，为了简单起见，我们假设这个特征取二进制值，0 或 1。因此，我们可以将损失函数形成为/p>

(ci + 1)(yi_hat - yi)^2

#and take the sum for all i

反向传播会有什么问题吗？我认为计算梯度或更新层之间的权重没有任何问题。而且，如果没有问题，我如何在 Keras 中编程这个损失函数？因为好像损失函数只带了y_true和y_pred这两个参数，那要怎么插入向量c呢？

【问题讨论】：

我觉得这有可能成为一个非常好的问题——但这不会是 Stack Overflow 的最佳格式。您能否向我们展示您尝试过的代码，并尝试格式化问题。现在是一段文字，每一步都很难理解

标签： python neural-network keras

【解决方案1】：

这绝对没有错。函数可以自行声明常量，甚至可以从外部范围获取常量：

import keras.backend as K

c = K.constant([c1,c2,c3,c4,...,cn])

def weighted_loss(y_true,y_pred):
    loss = keras.losses.get('mse')
    return c * loss(y_true,y_pred)

一模一样：

def weighted_loss(y_true,y_pred):

    weighted = (c+1)*K.square(y_true-y_pred)
    return K.sum(weighted)

【讨论】：

非常感谢！因此，所有常量都必须使用 K.constant 重新定义，而且我不能简单地将向量乘以张量。
是的。您可以使用标量 python 数字，但不能使用列表。（我不知道）。