如何在张量流中使用不同的损失函数，DNNLinearCombinedClassifier答案

【问题标题】：How to use different loss function in tensorflow, DNNLinearCombinedClassifier如何在张量流中使用不同的损失函数，DNNLinearCombinedClassifier
【发布时间】：2017-03-07 11:01:46
【问题描述】：

我正在使用 google tensorflow TensorFlow Wide & Deep Learning 来预测点击率。代码基于wide_n_deep_tutorial.py。

但是，auc 很糟糕。我检查了代码，发现在 DNN_Linear_Combined.py 中，损失函数定义为

loss = math_ops.reduce_mean(loss_unweighted, name=name)

在 CTR 预测中，训练数据不平衡。所以如果使用这种损失函数，当预测更多的负类（多数类）样本时，损失会更好。

此外，预测的点击率远高于真实点击率。（真实点击率小于1%，平均预测点击率在30%左右。）

我的问题是：如何修改代码以使用 logloss？ TF 提供这个吗？我检查了代码，发现如下：

tensorflow/python/ops/math_ops.py 中的函数math_ops.reduce_logsumexp
函数 _log_loss_with_two_classes 在 tensorflow/contrib/learn/python/learn/estimators/head.py 中

但是，第一个不会对math_ops.reduce_sum 进行更改。而且我不知道如何使用第二个功能。

一句话，我的问题可以概括为：如何修改代码使用logloss函数。

谢谢。

【问题讨论】：

你训练要解决的任务是什么？你的数据集是什么？请澄清这些方面。

标签： tensorflow deep-learning

【解决方案1】：

如果你只是想计算logloss，并且给出了loss，那么你可以如下计算logloss，你不需要改变代码：

log_loss = math_ops.log(loss)

【讨论】：

谢谢，但你能提供更多细节吗？我的目的不是计算logloss，而是用logloss函数作为目标函数来训练模型。在 estimator/head.py 中，loss, weighted_average_loss = _loss( parametors)。那么我应该使用哪个函数来获取对数损失？谢谢。