y_pred 的自定义损失函数 Keras 仅高于某个阈值答案

【问题标题】：Custom loss function Keras for y_pred above a certain threshold value onlyy_pred 的自定义损失函数 Keras 仅高于某个阈值
【发布时间】：2020-10-12 14:52:53
【问题描述】：

如何在 keras 回归中编写自定义损失函数，其中 MAE 仅针对高于某个阈值的 y_pred 计算。例如。 y_true = [10 , 14 , 23 , 30 , 5 , 4] ,
y_pred = [8 , 12 , 27 , 38 , 10 , 8]

如何编写自定义损失函数，其中仅计算 y_pred 值大于 20 的 MAE（平均绝对误差），即 y_pred > 20 的 MAE 即 [23,30] 得出 6 [(27-23) + (38 -30)]/2

这个问题出现了，因为我需要只正确预测最高预测范围的模型，这样我就可以只使用那些返回最高预测的数据点，因为其余的较低预测数据对我没有用。像 -

def custom_loss(y_pred, y_true):
    for y_pred > 20:
        result =MAE(y_pred , y_true)
    return result

【问题讨论】：

标签： python tensorflow keras deep-learning neural-network

【解决方案1】：

对于 Keras 损失函数，据我了解，您应该坚持使用 Keras 后端函数。看看here，我已经链接了 Tensorflow Keras 后端文档。

有一个函数可能对您有用，称为 map_fn，它允许您将函数映射到所有 y_pred y_true 对，但可能有几种不同的方法可以解决这个问题，文档应该会有所帮助！

【讨论】：

感谢您的回复。在我需要 MAE 用于 y_pred、y_true 对（其中 y_pred > 20）的即时情况下，您能否帮助编写任何一种可能对我有用的方法。我来自非编程背景，正在学习它并在这里遇到了障碍。

【解决方案2】：

这样试试

def custom_loss(y_true, y_pred):
    
    y_pred = y_pred[y_pred>20]
    y_true = y_true[y_pred>20]
    
    return tf.reduce_mean(tf.abs(y_true-y_pred))

n_sample = 1000
X = np.random.uniform(0,5, (n_sample,10))
y = np.random.randint(0,50, n_sample)

inp = Input((10,))
x = Dense(32, activation='relu')(inp)
out = Dense(1)(x)
model = Model(inp, out)

model.compile('adam',loss=custom_loss)
model.fit(X,y, epochs=10)

这种损失可能会导致 nan，因为批次中的所有预测都可能低于 20，因此请注意预测的大小

【讨论】：