如何在 MultiOutput LSTM Tensorflow 中优先考虑某些输出？答案

【问题标题】：How to prioritise certain output in MultiOutput LSTM Tensorflow?如何在 MultiOutput LSTM Tensorflow 中优先考虑某些输出？
【发布时间】：2021-10-28 02:44:55
【问题描述】：

基本上，我正在使用 Tensorflow 创建一个 LSTM 模型，我的输入数据的形状类似于

（10000 个用户，6 个时间步长，20 个特征列）=> (10000,6,20)

该模型使用 LSTM 进行二元分类，其中 20 个输出列的形状为 (10000, 20)。

PS。我不是在做 20 个类的分类，而是在做一个为每个人提供 20 个二进制输出的分类

是否可以优先考虑某些输出列，例如赋予某些列比其他列更多的权重或重要性，这样当我们训练模型时，它会比其他列更惩罚对这些更重要输出列的错误预测，或者为这些重要的列创建单独的模型是否更有意义？

【问题讨论】：

标签： tensorflow keras classification lstm multilabel-classification

【解决方案1】：

很容易在 TensorFlow 中使用类权重来实现此目的。见 model.fit() 的 class_weight 参数：https://www.tensorflow.org/api_docs/python/tf/keras/Model#fit

【讨论】：